随着信息技术和各类互联网平台的快速发展，图像、视频、文本等多模态数据呈现爆发式的增长，多模态数据已经成为大数据的主要呈现形式，针对海量多模态数据进行分析和处理、从多个模态中获取知识和价值的现实需求越来越高。本书详细介绍一系列前沿的多模态数据融合与挖掘方法，从多模态聚类、多模态分类等层面对多模态融合与挖掘相关进展进行介绍，具体介绍基于深度多样图对比学习的多模态聚类方法、基于聚类引导的自适应结构增强网络的多模态聚类方法、基于深度子空间学习的半监督多模态数据语义标注方法以及基于深度受限低秩子空间学习的多模态半监督分类方法。在不同数据集上的实验结果验证了所介绍方法的有效性。