移动互联网和自媒体的兴起使得互联网中的多媒体数据快速增加,人们对于爆炸式增长的、形态各异的数据应接不暇。如何建立一套自动化理解数据内容和分析数据关系的智能工具来帮助人们更好地利用网络多媒体数据资源成为重要问题,多媒体数据分析因而受到广泛关注。作为多媒体数据分析中两个基础任务,跨模态检索和多视角聚类旨在分析异构数据内容之间的关系,成为支撑下游应用的关键技术。本文从这两个方面入手,对多模态数据内容相关度建模、数据哈希编码结构控制、挖掘不完全观测多视角数据的结构信息等问题进行探究,并针对性地提出解决方案。本文主要内容可总结如下:提出一种感知类别间语义关联的跨模态哈希方法。首先,为了弥补现有方法的数据相关度度量在建模类间关系方面的缺陷,该方法为数据集的类集建立语义树,并提出一种基于语义树的数据相关度度量,以灵活的方式将类间关系纳入考虑;其次,为了充分利用类间关系引导哈希函数的学习,同时解决低相关度数据主导训练过程的问题,提出一项新的结构控制目标函数,能够充分利用整体可用的距离区间来分配检索数据,并将高相关和低相关数据对的训练过程进行分离,解决数据对相关度不均衡问题。为验证该方法的有效性,本文在三个常用数据集上,用三种不同的哈希码位长和两个方向的跨模态检索任务对其进行测试和分析,并和现有算法进行对比,实验结果验证了该方法的优异性。提出一种基于统计视角的非完整多视角聚类通用增强方法。针对现有非完整多视角聚类方法在不完全观测数据信息利用上的不足,首先基于数据模式的观测提出一个新的洞见,指出视角之间在分布层面的潜在对应关系;然后以统计视角对跨视角一致性进行描述,为利用不完全观测数据挖掘跨视角一致性提供技术可行性;最后,提出视角内平滑假设和一种跨视角对应数据组的构造方案,将分布层面的对应关系公式化为一项通用的目标函数,并给出两个基于已有模型的增强示例。本文在三个数据集上进行充分的实验和分析,结果表明,该方法能够对现有模型进行增强,使其能在高数据缺失率下保持更稳健的性能。