随着互联网技术及应用在日常生活中的广泛渗透和深入，大量的数据不断涌现，为此人们对各种媒体的呈现方式和使用便利性提出了更高要求。在大数据背景下,多模态或多视图数据从多个数据源或者不同的视角表现物体的不同特征，如果能找到恰当的数据融合方法，将大幅度提升相关任务的处理效率和效果。

大数据时代，各行各业都产生了大量的数据。当解决一个问题时，我们通常需要利用多个不同的数据集。不同领域产生多个数据集，这些数据集由潜在对象隐式连接。而同一个物体的不同数据集和不同特征的子集也可以被视为一个物体的不同视图。如：从不同数据源训练之后的信息可以鉴定一个人的一些信息，比指纹、人脸信息或签名等。一幅图也可以通过不同的特征集合（如：颜色、形状等）表现，当这些数据集描述同一个对象时，它们之间存在潜在的共识。然后，这些数据集又是互不相同的，分别包含着独有的信息，是相互补充的，因此，整合不同的视图及提取到不同的特征，可以更加准确、全面的描述一个物体。

据了解，WIMI微美全息的研发团队正在研究基于多视图的数据融合算法，其核心是多视图学习算法。关于多视图学习算法包括三部分：共同训练、多核心学习与子空间学习。共同训练算法认为每一个样本可以被划分成不同的视图，其可选择的最大化双方在不同视图中数据达成一致的可能性。多核心学习涉及到一系列机器学习方法，利用自然的对不同视图做出反应的核心，把线性和非线性的特征融合在一起来改进学习效果。子空间学习旨在获得一个可以供不同视图共享的子空间。通过这个子空间，可以完成后续的任务，比如分类和聚类。

随着计算机水平的不断提高，数据融合算法不断进步，数据融合的应用也在不断推进，在这个信息爆炸的大数据时代，数据已成为战略资产，有信息、有数据的地方，就会有数据融合的需求。在新时代国家信息化发展战略推动下，智慧城市、智慧交通、智能制造等各领域的数字化建设都在稳步推进，这些领域的数字化建设将对数据融合算法有更多的需求，由此可见，WIMI微美全息基于多视图的数据融合算法具有极其广阔的应用前景。