现实世界中许多数据以复杂高维形式呈现，数据包含非常多的属性或特征，对传统的机器学习是巨大的挑战。为此，本书展开了张量理论、算法及其应用研究。本书首先系统地介绍了张量理论的一些基本概念、基本操作、经典张量分解以及经典张量算法，其次讨论了支持张量数据描述和核支持张量数据描述、OCSTuM和GA-OCSTuM方法、极限张量学习算法、核支持张量环机，最后对该领域未来的发展应用前景做了总结与展望。

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
2.2t-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
……