基于融合表征的多视图学习是机器学习中的一个重要研究分支。本书介绍了基于融合表征的多视图学习方法的基础概念、技术应用及研究现状和系列方法。
全书共5章，大致分为两部分：第1部分(第1章)介绍多视图学习的基本概念、主要技术手段及研究现状；第2部分(第2~5章)介绍了四种多视图学习方法——基于多视图相关性与融合表征效果的关联性分析方法、基于双反馈机制的多视图相关性增强表征学习方法、基于多视图深层特征增强的隐空间融合表征方法、基于多视图差异性和一致性的聚类融合增强学习方法，这部分内容先对问题背景进行剖析，介绍相关基础模型，再详细描述方法框架及原理，然后介绍方法的应用效果，由浅到深，便于读者深入了解各种方法，从中挖掘出有意义的改进点，便于后续研究的开展。
本书适合从事人工智能、机器学习、数据挖掘等方向研究的本科生和研究生阅读，也可供具有一定研究背景的对多视图学习感兴趣的读者参考。

第1章多视图学习概述
1.1研究背景
1.2基础模型
1.3方法描述
1.3.1基于子空间学习的多视图学习
1.3.2基于协同训练的多视图学习
1.3.3基于多核学习的多视图学习
1.3.4基于图模型的多视图学习
1.3.5基于特定任务的多视图学习
1.4应用挑战
1.5本章小结
第2章基于多视图相关性与融合表征效果的关联性分析方法
2.1研究背景
2.2基础模型
2.2.1优选信息系数
2.2.2典型相关性分析
2.3方法描述
2.4应用案例
……