11月28日，由天津市先进机电系统设计与智能控制重点实验室、天津理工大学机电工程国家级实验教学示范中心主办的学术报告在北苑一站式多功能厅成功举行。本次报告以"多视图聚类的新型正交非负张量分解算法"为主题，吸引了来自机械、计算机等专业的众多师生参加。报告由机械工程学院王肖锋副教授主持，哈尔滨工程大学杨明副教授应邀作特邀报告。

报告人杨明副教授拥有德克萨斯农工大学数学博士学位和美国南伊利诺伊大学计算机博士学位。他在机器学习与最优化领域有着深入研究,在国际权威期刊发表SCI论文40余篇，曾参与挪威地球物理公司地震波成像等重要科研项目，取得了丰硕的研究成果。

报告中，杨明副教授系统阐述了多视图大规模数据分析的研究现状与挑战。他指出，随着信息技术的发展，多源异构数据的处理和分析已成为当前研究的重点和难点。针对传统非负矩阵分解（NMF）方法在处理多视角信息时存在的局限性，他详细介绍了团队提出的ONT-FOMC创新方法。该方法通过分解自适应学习的改进锚点图张量获取聚类结果，基于张量的非负正交分解有效挖掘了跨视角共享的底层结构信息。同时，通过将分解后的张量定义为聚类指标张量和锚点指标张量，显著提升了算法的可解释性。

此外，杨明副教授重点介绍了ONT-FOMC在计算复杂度和邻接图探索方面的突破。该方法使用改进的锚点图，有效降低了高维特征下的计算复杂度，采用一致的邻接图探索每个视角共享的共同局部流形。特别是通过引入ε-范数作为自适应损失最小化方法，创造性地结合了L1-范数和L2-范数的优势，实现了在稀疏性和连续性之间的灵活权衡。多个真实数据集的实验结果表明，该方法在准确性和效率上均优于现有技术。

在报告过程中，杨明副教授通过深入浅出的讲解和生动的实例展示，使在场师生对这一复杂的算法有了较为清晰的理解。互动环节中，现场师生就算法的工程应用价值展开热烈讨论。有同学提出了关于算法在图像识别领域的具体应用问题，杨明副教授结合医学影像分析等实例进行了详细解答。针对算法的计算效率问题，他分享了团队在优化计算复杂度方面的经验，并就如何平衡算法性能与实际应用需求展开深入交流。

本次学术报告为学院师生提供了与前沿学术研究接触的宝贵机会，不仅拓宽了师生们的学术视野，也为机械工程学院在相关领域的研究和教学带来了新的启发和思路，有助于推动学院在多视图聚类算法研究方向上取得进一步进展。

我院一直高度重视学术交流平台建设，持续推进高水平学术对话。近年来，学院先后邀请多位国内外知名专家来院作学术报告，不断追踪学科前沿发展。学院将继续深入贯彻落实党的二十届三中全会精神，紧密围绕科教兴国战略部署，坚持以高水平科技自立自强为引领，大力推进学科交叉融合创新。未来，学院将继续加强与国内外高水平科研机构的深度合作，着力提升基础研究能力，促进学科融合发展，培养创新人才，为推进“科技、教育、人才”协同发展贡献力量。