本研究提出CE-MVC框架，通过自适应加权和参数解耦，解决多视角聚类在一致性、互补性及噪声影响下的不足，从而提升聚类性能。

嵌套联邦学习（NeFL）是一种解决分布式学习中迟滞者对训练时间和性能影响的框架。NeFL通过深层次和宽度缩放将模型划分为子模型，并解耦参数以解决不一致性。实验证明，NeFL可以显著提高性能，并与最新的联邦学习研究相一致。