高维数据分析中的张量学习理论与算法研究

第1章 绪论 1.1 研究背景及意义 1.2 张量学习算法研究进展 1.3 张量应用研究 1.4 本书主要研究内容 第2章 张量代数基础理论 2.1 张量分解理论 2.2 t-product张量框架 2.3 张量学习算法 2.4 本章小结 第3章 基于支持张量描述算法的感知数据异常检测 3.1 引言 3.2 支持张量数据描述 3.3 核支持张量数据描述 3.4 实验及分析 3.5 本章小结 第4章 基于张量Tucker学习机的传感器大数据异常检测 4.1 引言 4.2 张量Tucker学习机 4.3 基于遗传算法的Tucker学习机 4.4 实验研究 4.5 本章小结 第5章 基于极限张量学习机的数据分类 5.1 引言 5.2 极限张量学习机 5.3 实验评估 5.4 本章小结 第6章 核支持张量环机 6.1 张量图形表示 6.2 Tensor-Train分解和Tensor-Ring分解 6.3 基于Tensor-Ring的核方法 6.4 实验研究 6.5 结论 第7章 结论与展望 7.1 研究总结 7.2 研究展望 参考文献 附录 张量软件