典型文献
基于张量的方法及应用综述
文献摘要：
大数据时代的不断发展促使传感及移动互联设备所产生数据的规模和复杂度快速增长,呈现出多源、异构、海量的特点.因此对这些复杂数据的统一表示、降维处理以及缺失值补全等问题受到研究人员的广泛关注.张量具有对高维数据强大的表示和降维能力并能挖掘元素值之间的潜在关系,被普遍应用于这些问题的研究中.张量分解方法获取高维复杂数据的低维特征,在降低计算复杂度的同时还能够保持原有数据的内在结构,解决"维度灾难"问题.张量补全方法根据已有数据的全局结构获取低秩模型来估计缺失条目.该文从张量分解与补全的视角出发,分别总结相关经典方法的基本思想并分析各自的优缺点.从多源异构大数据分析、人脸识别、数据压缩三方面对张量分解的最新算法进行总结.针对QoS缺失数据预测、短时交通流量预测、图像恢复三个场景介绍了张量补全的最新应用.最后对未来张量研究发展中可能存在的问题与挑战进行展望.
文献关键词：
统一表示;张量分解;张量补全;降维;缺失值预测
中图分类号：
作者姓名：
夏虹;张雅倩;靳晓东;陈彦萍;高聪;王忠民
作者机构：
西安邮电大学 计算机学院,陕西 西安 710121;西安邮电大学 陕西省网络数据分析与智能处理重点实验室,陕西 西安 710121
文献出处：
引用格式：
[1]夏虹;张雅倩;靳晓东;陈彦萍;高聪;王忠民-.基于张量的方法及应用综述)[J].计算机技术与发展,2022(06):1-8
A类：
B类：
方法及应用,应用综述,移动互联设备,复杂数据,统一表示,降维处理,高维数据,挖掘元素,潜在关系,张量分解,分解方法,低维特征,低计算复杂度,内在结构,维度灾难,张量补全,全局结构,低秩,条目,经典方法,基本思想,多源异构大数据,人脸识别,数据压缩,新算法,QoS,缺失数据预测,短时交通流量预测,图像恢复,研究发展,问题与挑战,缺失值预测
AB值：
0.363249
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
