声明
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1张量数据统一表示模型
1.2.2张量链分解
1.2.3张量分解形式的数据融合
1.3论文的研究内容
1.4论文章节安排
2 相关理论基础
2.1 张量相关理论基础
2.1.1 张量的基本概念
2.1.2 张量的基本运算
2.2 矩阵的奇异值分解(SVD)
2.3几种常见的张量分解算法
2.3.1 CP分解
2.3.2 Tucker分解
2.3.3 Tensor-Train分解
2.4 张量分解在推荐系统中的应用
2.5 张量网络图模型(Tensor Network)
2.6 本章小结
3 基于张量链的大数据融合模式
3.1收集数据Collection
3.2张量分解压缩存储Decomposition
3.3转化统一张量分解形式Transformation
3.3.1 Tucker分解转化为TT分解
3.3.2 CP分解转化为TT分解
3.3.3 分解形式转化的时间效率优势
3.4 Fusion张量分解形式的数据融合
3.5 Application基于TT分解的张量数据融合应用
3.6 本章小结
4 基于Lanczos方法的张量链式分解
4.1 基于Lanczos方法的SVD
4.2 基于LSVD的TT分解
4.3 基于LSVD的TT分解的时间效率优势
4.4 本章小结
5 实验设计与结果说明
5.1 实验数据选择与预处理
5.2 实验设计说明
5.3 实验结果与分析
6 总结与展望
6.1 全文总结
6.2 研究展望
致谢
参考文献
华中科技大学;