本书基于大数据、人工智能中模式分类的研究，以向量数据的机器学习方法为基础，从最优化角度研究张量数据的学习问题，特别关注张量数据分类问题的新模型的建立及其最优化算法的设计。本书所构建的张量数据分类模型，无论从计算时间、计算复杂度，还是从分类精度，都表现出该算法的优越性，能够使读者能够比较全面地了解张量数据分类模型和算法设计。
本书适用于人工智能、数据挖掘专业高年级本科生或研究生阅读。

张瑞亭，博士研究生学历，副教授，中国人民大学访问学者，北京高等学校青年英才计划入选人员，中国计算机学会CCF会员，近几年在国内外核心期刊上发表多篇学术和教改论文，主编和撰写多部教材、著作。

第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 研究目标和研究内容
1.4 本书的组织结构
第2章 预备知识
2.1 支持向量机
2.2 模糊支持向量机
2.3 张量理论基础
2.4 支持张量机
2.5 本章小结
第3章 模糊中心支持张量机模型及算法
3.1 线性模糊中心支持张量机
3.2 非线性模糊中心支持张量机
3.3 数值实验和分析
3.4 本章小结
第4章 模糊限定双子支持张量机模型及算法
4.1 线性模糊限定双子支持张量机
4.2 非线性模糊限定双子支持张量机
4.3 数值实验和分析
4.4 本章小结
第5章 基于张量距离的模糊中心支持张量机模型及算法
5.1 距离学习
5.2 基于张量距离的模糊中心支持张量机
5.3 数值实验和分析
5.4 本章小结
第6章 基于张量距离的模糊限定双子支持张量机模型及算法
6.1 基于张量距离的模糊限定双子支持张量机
6.2 数值实验和分析
6.3 本章小结
第7章 结论与展望
7.1 结论
7.2 展望
参考文献