随着信息技术的飞速发展，当今数据越来越呈现出多源异构特性，具有多种表示的数据（即多视图数据）大量涌现。多视图数据主要是人类在对真实世界进行感知过程中采用不同手段而产生的，这些数据具有小样本、多样性、多模态、价值密度低等特征。实现多视图数据的表示学习是充分合理地利用多视图数据信息的关键。本书以多视图表示学习思想为潜在主线循序渐进地展开介绍，首先介绍基于深度生成模型的多视图表示学习方法与基于样本间图结构的多视图受限玻耳兹曼机模型，然后给出在时间序列上的多视图表示学习方法，最后介绍两种在视图缺失场景中的多视图表示学习方法。 本书可作为机器学习、人工智能、智能科学等专业的高年级本科生和研究生的学习用书，并对从事相关领域的研究人员具有重要的参考价值。