让不同视图“走不同的路”：一次自适应路由的探索
在多视图学习中，不同视图所包含的信息并不完全相同。如果让所有视图都经过完全相同的处理过程，可能无法充分发挥每个视图的特点。
因此，我们在完整多视图聚类任务中尝试引入自适应路由机制。简单来说，就是根据不同视图的数据特点，让模型自动选择更加合适的表示学习方式。
与此同时，我们还尝试对多视图之间的图结构进行动态调整，尤其关注聚类边界附近容易产生错误连接的样本，希望通过重新优化图结构，使不同类别之间的区分更加清晰。
目前这个项目已经完成核心代码实现和初步验证。对我来说，它最大的意义并不仅仅是性能提升，而是让我开始尝试从“为什么模型会出错”这个角度思考算法设计。