近日，人工智能学院李松涛老师团队捷报频传，四篇研究论文先后被图像处理领域国际顶级期刊《IEEE Transactions on Image Processing》、计算机智能应用领域权威期刊《Expert Systems with Applications》、《IEEE Internet of Things Journal》以及模式识别领域顶级期刊《Pattern Recognition》正式录用，江汉大学人工智能学院均为第一完成单位。其中，《IEEE Transactions on Image Processing》是中国计算机学会（CCF）推荐的图像处理领域 A 类期刊，影响因子 15.3，是团队在该刊取得的首项成果，标志着团队在人工智能与多视图数据挖掘方向的原始创新能力和学术影响力迈上了一个新台阶。
针对现有少样本场景下多视图聚类方法标注信息利用不足、视图间相关性刻画不充分的难题，李松涛老师作为第一作者在《IEEE Transactions on Image Processing》发表题为 Few-shot Anchor-guided Multi-View Clustering With Pearson Correlation 的研究论文，提出了一种基于锚点引导与皮尔逊相关约束的少样本多视图聚类方法，通过锚点选取自适应挖掘视图的判别信息，并利用皮尔逊相关系数强化跨视图结构一致性，有效缓解了标注稀缺带来的性能退化，在多个基准数据集上取得了领先的聚类性能（https://doi.org/10.1109/TIP.2026.3734455）。
硕士研究生范怡彤以第一作者在《Expert Systems with Applications》发表题为 Style-consistent prior-driven dual-branch tensor ring fusion with adaptive kernel estimation 的研究论文。针对高光谱与多光谱图像融合中光谱可变性与退化核估计困难的问题，提出了一种风格一致先验驱动的双分支张量环融合方法，通过自适应核估计与双分支张量环分解，显著提升了融合图像的保真度与光谱一致性，为遥感影像解译提供了新方案（https://doi.org/10.1016/j.eswa.2026.134579）。
本科生王沂鹏以第一作者在《IEEE Internet of Things Journal》发表题为 Decoupled Propagation-Sharpening Symmetric Non-Negative Matrix Factorization for Multi-View Clustering 的研究论文，针对对称非负矩阵分解中信息传播与锐化过程耦合导致性能受限的问题，提出了一种解耦的传播，锐化对称非负矩阵分解框架，在工业物联网多源异构传感数据场景下展现出良好的聚类性能与可扩展性（https://doi.org/10.1109/JIOT.2026.3738768）。
本科生金鑫以第一作者在《Pattern Recognition》发表题为 Robust incomplete multi-view clustering via adaptive similarity graph completion and dual-tensor decomposition 的研究论文，针对真实场景中多视图数据普遍存在样本缺失的问题，提出了一种基于自适应相似图补全与双张量分解的鲁棒非完备多视图聚类方法，有效刻画了视图间的互补信息与高阶结构，在多项基准实验中取得了领先性能（https://doi.org/10.1016/j.patcog.2026.114902）。
近年来，李松涛老师团队聚焦非负矩阵分解、多视图聚类与张量学习等人工智能核心方向，先后在《IEEE Transactions on Image Processing》《IEEE Transactions on Mobile Computing》《Pattern Recognition》《IEEE Internet of Things Journal》《Engineering Applications of Artificial Intelligence》《Information Processing & Management》等国际权威期刊发表多篇高水平论文，其中多项成果由本科生、硕士研究生担任第一作者，充分体现了学院在拔尖创新人才培养和本科生科研训练方面取得的显著成效。
上述研究工作得到国家自然科学基金、湖北省自然科学基金及江汉大学科研项目的支持。