IB方法旨在将数据对象压缩到一个预先定义好的“瓶颈”变量中,同时极大的保存另一数据对象的相关信息,发现数据对象中隐含的结构模式。IB方法具有严密的理论基础,已经在海量数据分析、图像数据模式分析、语音识别和基因表达分析等领域得到广泛的应用。迄今为止,许多研究者对IB方法进行了丰富和完善。多变量IB方法是IB方法的泛化,其增强了IB方法的普适性,面向许多数据分析领域,已经取得了较好的结果。多变量IB方法针对共现数据分析过程,为了充分的利用数据和特征之间的协作关系,提出了多路IB。aIB算法是一种基于自底向上贪婪凝聚思想的IB算法,其运行结果是一颗层次树。针对aIB算法在进行数据分析时,不能利用各路数据间的协作关系,本文基于多路IB和aIB算法,提出了多路凝聚IB算法。多路凝聚IB算法对数据多路同时分析,基于贝叶斯网中隐含的多信息为压缩和保留目标,引入参数γ,自适应的调整每一路数据分析的合并代价,使各路数据分析之间的协作关系能够达到最佳状态。实验结果表明：多路凝聚IB算法提高了数据分析精确度,其数据分析结果更加易于解释。