本书可供模拟式识别的、人工智能领域的研究人员以及高等院校高年级的学生和研究生使用。

　　本书的主要研究内容是在模式识别应用领域中，提出新的基于张量数据的特征提取和分类算法，并且对这些张量型算法进行详细的理论推导和性能分析，在实验中验证所提出算法的优越性。主要内容来自于作者多年的研究成果，使读者能够比较全面地了解张量分析的基本知识以及张量型算法在模式识别领域的研究、发展和应用。本书理论联系实际，集知识性、专业性、操作性、技能性为一体。本书的读者对象主要为模式识别的、人工智能领域的研究人员以及高等院校高年级的学生和研究生。

前言
目录
第1章 绪论
1.1 研究背景与意义
1.2 传统特征提取和分类方法
1.3 基于张量数据的特征提取和分类方法研究现状
1.4 实验数据库
1.5 本章小结
第2章 相关理论基础
2.1 张量理论
2.2 相关向量型特征提取算法
2.3 极限学习机分类算法
2.4 岭回归分类算法
2.5 本章小结
第3章 基于MPCA和GTDA的张量型特征提取算法
3.1 引言
3.2 融合MPCA和GTDA的特征提取算法
3.3 GTDA算法的先决条件分析
3.4 实验结果分析
3.5 本章小结
第4章 张量型极限学习机分类算法
4.1 引言
4.2 二维极限学习机分类器
4.3 张量极限学习机分类器
4.4 本章小结
第5章 多线性多秩回归分类算法（MMRR）
5.1 引言
5.2 MMRR算法原理
5.3 MMRR算法先决条件分析
5.4 实验结果分析
5.5 本章小结
第6章 总结与展望
6.1 全文总结
6.2 工作展望
缩写符号对照表
数学符号对照表
参考文献