2014年2月4日,信息科学系教师蔺广逢博士在国际著名期刊《Information Fusion》发表论文“Feature structure fusion and its application”,在论文中依据数据结构对数据的识别起重要作用,而且多特征描述的结构总比单个特征描述的结构完善,提出了如何度量和互补多特征结构的基本问题。为了解决这个问题,论文提出了三种特征结构融合的方法,其中特征的表征为向量或为向量空间。首先作者分析不同测度的适用性,然后基于流形学习的基本理论构建不同特征表征的优化问题,最后将多目标优化问题变换成单目标优化问题,揭示了特征结构融合的基本原理。在形状分析和人体动作识别的通用数据库中,证实结构融合方法的有效性。论文现在已在线出版,在线网址http://dx.doi.org/10.1016/j.inffus.2014.01.002。