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*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*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，中共党员，运筹与管理专业博士研究生，中国人民大学访问学者。主要研究方向为应用统计、数据挖掘、数学教育。近几年在国内外核心期刊上发表多篇学术论文，主编和撰写多部教材、著作。代表作有《商务统计学》《高等数学常见问题和典型错误解析100例》《大学数学--微积分及其在经济管理中的应用》《数学（基础模块）》等。

目录
第一章 绪论
第二章 预备知识
第三章 模糊中心支持张量机模型及算法
第四章 模糊限定双子支持张量机模型及算法
第五章 基于张量距离的模糊中心支持张量机模型及算法
第六章 基于张量距离的模糊限定双子支持张量机模型及算法
第七章 结论与展望
参考文献