摘要：随着信息技术的快速发展,现实生活中不断涌现出大量的多视角数据,由此应运而生的多视角学习已成为机器学习领域的研究热点。然而,在多视角数据的获取过程中,由于受到收集的难度、高额成本或设备故障等问题,往往导致收集到的多视角数据出现视角缺失,这使得一些多视角学习方法无法有效进行。同时,多视角缺失数据的存在,不仅增大数据挖掘的难度,而且影响多视角数据分析的结果。因此,如何有效地补全缺失数据,提升对基于多视角描述所刻画的对象的深度分析与理解是目前多视角数据分析方面值得研究的课题。为了消除视角缺失数据带来的影响,本文从多视角数据视角间的相容互补性及语义一致性角度考虑对视角缺失的多视角数据进行补全,并取得了一定的研究成果。本文的主要研究成果包括：(1)在面临着多视角数据视角属性全部缺失时,利用传统单视角数据缺失补全方法进行补全,并没有从多视角数据间具有的互补性考虑。为此,本文提出了一种基于核回归的多视角数据缺失补全方法。该方法通过建立多视角数据视角间非线性关系,由此实现视角数据缺失补全；(2)提出了一种基于视角相容性的多视角数据缺失补全方法。通过监督的共享子空间学习,建立视角相容性判别模型,并进一步基于共享子空间重构误差等同分布的假设,实现多视角缺失数据的预补全。在此基础上,进一步通过多元线性回归实现缺失视角的精确补全。此外,本文还把所提出的视角补全方法拓展到解决含有噪声的多视角数据的降噪问题；(3)针对多视角数据不成对出现情况下的数据缺失补全问题,提出了一种多视角因子分析方法,通过挖掘共享的隐含因子,建立视角间的语义一致性关联。进一步通过监督学习多视角因子分析模型,形成视角语义一致性判据,由此实现多视角缺失数据的有效补全。