在过去的几十年中,在模式识别和机器学习中见证了对多视图学习和通用学习的广泛研究。 结合多视图学习和Universum学习,我们提出了一种新的有监督的降维方法,用于伴随Universum数据的多视图数据,称为Universum判别典范相关分析(UDCCA)。 UDCCA通过类内关联以及不同视图之间的Universum内部关联来利用视图间信息,同时利用从目标样本和每个视图的Universum数据中捕获的视图内判别信息。 在低维判别空间中,目标样本的类内相关性最大化,Universum数据的相关性最小化,同时目标样本和Universum数据之间的分散性也最大化。 在现实世界中的多视图数据集上的实验结果表明,与其他相关的最新降维方法相比,该方法的有效性。