| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-30页 |
| 1.1 研究背景及意义 | 第11-15页 |
| 1.2 国内外研究现状 | 第15-22页 |
| 1.3 目前存在的问题 | 第22-24页 |
| 1.4 研究内容及目标 | 第24-27页 |
| 1.5 研究创新 | 第27-28页 |
| 1.6 论文结构 | 第28-30页 |
| 2 张量背景知识 | 第30-38页 |
| 2.1 张量表示 | 第30-32页 |
| 2.2 张量运算 | 第32-34页 |
| 2.3 张量分解 | 第34-35页 |
| 2.4 张量网络 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 基于张量链的增量式分解方法 | 第38-59页 |
| 3.1 问题定义 | 第38-39页 |
| 3.2 增量式张量链分解方案 | 第39-41页 |
| 3.3 增量式张量链分解算法 | 第41-48页 |
| 3.4 算法理论分析 | 第48-50页 |
| 3.5 实验结果分析 | 第50-58页 |
| 3.6 本章小结 | 第58-59页 |
| 4 基于张量链分解的并行张量计算方法 | 第59-104页 |
| 4.1 问题定义 | 第59-60页 |
| 4.2 基于张量链的大数据处理框架 | 第60-64页 |
| 4.3 基于张量链格式的张量运算 | 第64-79页 |
| 4.4 基于张量链格式的并行计算框架 | 第79-84页 |
| 4.5 基于张量链格式的并行张量计算及实验对比 | 第84-103页 |
| 4.6 本章小结 | 第103-104页 |
| 5 基于张量的云边计算优化方法 | 第104-129页 |
| 5.1 问题定义 | 第104-105页 |
| 5.2 云边计算优化框架 | 第105-107页 |
| 5.3 基于张量的数据表示模型 | 第107-110页 |
| 5.4 基于张量的云边计算优化模型 | 第110-116页 |
| 5.5 云边计算优化及任务分配算法 | 第116-121页 |
| 5.6 实验结果分析 | 第121-128页 |
| 5.7 本章小结 | 第128-129页 |
| 6 基于张量链的高阶主特征值分解及多模态预测方法 | 第129-145页 |
| 6.1 问题定义 | 第129页 |
| 6.2 多元马尔科夫模型 | 第129-131页 |
| 6.3 基于张量链格式的多元马尔科夫转移 | 第131页 |
| 6.4 基于张量链格式实现多步状态转移的短期预测 | 第131-134页 |
| 6.5 基于张量链格式实现高阶主特征值分解的长期预测 | 第134-136页 |
| 6.6 算法理论分析 | 第136-137页 |
| 6.7 实验结果分析 | 第137-144页 |
| 6.8 本章小结 | 第144-145页 |
| 7 基于张量的多元多阶马尔科夫多模态预测方法 | 第145-163页 |
| 7.1 问题定义 | 第145-146页 |
| 7.2 多元多阶马尔科夫转移模型 | 第146-150页 |
| 7.3 多元多阶马尔科夫多步转移张量 | 第150-151页 |
| 7.4 多元多阶马尔科夫稳态联合主特征张量 | 第151-152页 |
| 7.5 多元多阶马尔科夫多模态预测 | 第152-154页 |
| 7.6 算法理论分析 | 第154-156页 |
| 7.7 实验结果分析 | 第156-162页 |
| 7.8 本章小结 | 第162-163页 |
| 8 基于高阶奇异值分解的多模态推荐和聚类方法 | 第163-184页 |
| 8.1 问题定义 | 第163页 |
| 8.2 基于张量的教育大数据表示与融合 | 第163-167页 |
| 8.3 基于高阶奇异值分解的多维关联分析 | 第167-170页 |
| 8.4 增量式多维关联分析的教育资源精准推荐 | 第170-174页 |
| 8.5 增量式自适应聚类的学习共同体构建 | 第174-177页 |
| 8.6 实验结果分析 | 第177-183页 |
| 8.7 本章小结 | 第183-184页 |
| 9 总结与展望 | 第184-187页 |
| 9.1 主要成果 | 第184-185页 |
| 9.2 研究展望 | 第185-187页 |
| 致谢 | 第187-190页 |
| 参考文献 | 第190-202页 |
| 附录1 攻读博士学位期间发表的学术论文 | 第202-204页 |
| 附录2 攻读博士学位期间参加的科研项目 | 第204-205页 |
| 附录3 攻读博士学位期间申请的专利 | 第205页 |