本論文では、複数のモダリティからのデータを一クラス分類に最適化された新しいサブスペースに投影するための新しい手法を提案しています。この手法は、各モダリティの元の特徴空間から新たな共通特徴空間へのデータ変換を反復的に行い、すべてのモダリティからのデータの共同的なコンパクトな記述を見つけます。各モダリティにおけるデータに対しては、関心のあるクラスの情報を活用し、対応する特徴空間から最適化されたサブスペースへデータをマッピングするための別々の変換を定義します。また、提案手法のための異なる正則化戦略を提案し、線形および非線形の定式化を提供します。提案された多モーダルサブスペースサポートベクターデータ記述は、五つのデータセットのうち四つで、単一モダリティからのデータまたはすべてのモダリティからのデータを融合した競合手法を上回る結果を示しました。