近日，2022年数据挖掘顶级学术会议IEEE International Conference on Data Mining (ICDM)近期发布了论文的最终评审结果，由我院柳欣教授指导的2020级硕士研究生于镇宁作为第一作者的科研成果“Detach and Enhance: Learning Disentangled Cross-modal Latent Representation for Efficient Face-Voice Association and Matching”，以及2020级研究生刘敦强作为第一作者的科研成果“Inconsistency Distillation For Consistency: Enhancing Multi-View Clustering via Mutual Contrastive Teacher-Student Leaning”均被大会接收为Oral Presentation paper（口头报告论文）。

ICDM是世界数据挖掘研究顶级会议，创办于2001年，每年举办一届,会议主题涵盖了有关数据挖掘的算法和智能系统等。本届ICDM会议总计收到投稿885篇，经过初审，870篇论文进入评审阶段，最终收录85篇Oral Presentation paper（口头报告论文，录用率仅为9.77%）。

于镇宁的研究主要基于跨模态人脸语音一致性探索的课题。针对人脸-语音多模态数据中存在与模态相关干扰因素的难题，提出了一种有效的跨模态多层解耦表示学习框架，可以挖掘人脸语音数据之间语义一致的潜在表示，并同时过滤掉与模态相关的干扰因素。通过两个阶段的学习过程，构建纯净的跨模态公共空间，很好的语义一致性关联挖掘难题。

刘敦强的研究主要针对多视图聚类工作常常忽略了视图内关联不一致性问题，提出了一种有效的相互对比师生学习模型，并设计了统一低维表示对比学习以及高维语义特征蒸馏的双头网络学习架构，通过将视图关联性建模在语义特征中并联合优化表示学习，很好的解决了视图之间的类内多样性的问题以及视图内关联不一致难题。

上述研究工作得到福建省大数据智能与安全重点实验科研项目以及厦门市计算机视觉与模式识别重点实验室科研项目的大力支持。