输入：多视角多标签训练集数据( $X_t^A$ ， $X_t^B$ ， $Y_t$ )，测试集数据( $X_s^A$ ， $X_s^B$ )，

参数( ${\lambda }_1$ ， ${\lambda }_2$ ， $m_1$ ， $m_2$ ， $\epsilon$ )

输出： $X_s^A$ 和 $X_s^B$ 的标签集 $Y_s$

1：初始化： $Q_A=Q_B=\varnothing$ ， $W_A=W_B=\varnothing$ ， $k=m_1=m_2$ ；

2：for $i=1,\cdots ,k$ ：

3： $q_A=q_B=1$ ， $s_t=0$ ；

4：循环：

5： $s_t=s_t+1$ ；

6： $q_{A\left(0\right)}=q_A$ ， $q_{B\left(0\right)}=q_B$ ；

7： $u_A=X_s^A{}^{{}^{\text{T}}}{q}_A$ ， $u_B=X_s^B{}^{{}^{\text{T}}}{q}_B$ ；

8： $w_A=X_t^A{u}_A$ ， $w_B=X_t^B{u}_B$ ；

9：计算t： $t_A=X_t^A{}^{{}^{\text{T}}}{w}_A$ ， $t_B=X_t^B{}^{{}^{\text{T}}}{w}_B$ ；

10：t的标准化： $t_A=t_A/t_A^{\text{T}}{t}_A$ ， $t_B=t_B/t_B^{\text{T}}{t}_B$ ；

11：计算p： $p_A=X_t^A{t}_A$ ， $p_B=X_t^B{t}_B$ ；

12：根据公式(16)计算 ${q^{\prime }}^{\text{T}}$ ，并从 ${q^{\prime }}^{\text{T}}$ 得到 $q_A^{\text{T}}$ 和 $q_B^{\text{T}}$ ；

13：直到满足( $\left|q_A-q_{A\left(0\right)}\right|\le \epsilon$ & $\left|q_B-q_{B\left(0\right)}\right|\le \epsilon$ )时停止循环

14：更新 $Q_A^{\text{T}}$ ， $Q_B^{\text{T}}$ ， $W_A$ 和 $W_B$ ：

$Q_A^{\text{T}}=\left[Q_A^{\text{T}},q_A^{\text{T}}\right]$ ， $Q_B^{\text{T}}=\left[Q_B^{\text{T}},q_B^{\text{T}}\right]$ ，

$W_A=\left[W_A,w_A\right]$ ， $W_B=\left[W_B,w_B\right]$ ；

15：计算 $X_t$ 和 $Y_t$ 的误差信息：

$X_t^A=X_t^A-t_A{p}_A^{\text{T}}$ ， $X_t^B=X_t^B-t_B{p}_B^{\text{T}}$ ，

$X_s^A=X_s^A-t_A{q}_A^{\text{T}}$ ， $X_s^B=X_s^B-t_B{q}_B^{\text{T}}$ ；

16：结束for循环

17：输出测试集数据的标签： $Y_s^{\text{T}}=\mathrm{sgn}\left(\frac{1}{2}\left(Y_t^{\text{T}}{W}_A{Q}_A^{\text{T}}+Y_t^{\text{T}}{W}_B{Q}_B^{\text{T}}\right)\right)$ ；