张量分解算法研究与应用综述 熊李艳;何雄;黄晓辉;黄卫春 【期刊名称】《华东交通大学学报》 【年(卷),期】2018(035)002 【摘 要】张量分解是处理大规模数据的一种方法,它能有效的对数据进行降阶,由于高阶张量具有唯一性、对噪声更鲁棒、不破坏原数据的空间结构和内部潜在信息等优点,被广泛应用于神经科学、信号处理、图像分析、计算机视觉等领域.论文首先对传统的降维方法进行了介绍,指出这些方法存在的问题和不足.其次对张量分解的三种经典算法:CP分解、Tucker分解以及非负张量分解从算法的求解、基本思想、算法框架以及算法应用等方面进行概括分析,对CP分解算法和Tucker分解算法从多角度进行对比分析.最后对张量分解的现状以及实际应用进行了归纳和总结,并对未来的研究发展趋势进行了分析和展望. 【总页数】9页(P120-128) 【作 者】熊李艳;何雄;黄晓辉;黄卫春 【作者单位】华东交通大学信息工程学院,江西 南昌330013;华东交通大学信息工程学院,江西 南昌330013;华东交通大学信息工程学院,江西 南昌330013;华东交通大学软件学院,江西 南昌330013 【正文语种】中 文 【中图分类】TP301.6 【相关文献】 1.基于加权非负矩阵分解的非负张量分解算法 [J], 刘路路;刘亚楠;王凡 2.基于低秩表示的非负张量分解算法 [J], 刘亚楠;刘路路;罗斌 3.改进张量分解算法及在机械故障诊断中的应用 [J], 陈向俊;毛晓松;李黎苹;易灿灿 4.结合GPU技术的并行CP张量分解算法 [J], 武昱;闫光辉;王雅斐;马青青;刘宇轩 5.张量秩-(Lr,Lr,1)分解算法在机械故障盲源分离中的应用 [J], 魏连友;朱亚军;金林彩;张珍;易灿灿 因版权原因，仅展示原文概要，查看原文内容请购买 本文来源：https://www.wddqw.com/doc/66dab20980c4bb4cf7ec4afe04a1b0717fd5b3fe.html