本书主要介绍张量补全理论与方法以及其在数据缺失问题中的应用，内容包括向量、矩阵分解和张量分解等数据补全中的基本运算以及数据补全的基本方法。全书共9章，探讨了数据缺失机制；重点介绍了基于张量核范数、张量截断核范数以及p范数的低秩张量补全模型，并探讨了块状坐标下降法和交替方向乘子法的求解过程及精度差异；阐述了WLRTC-TTNN方法在处理航空发动机传感器数据和交通数据集方面的应用，验证了其较传统模型具有更高的重构精度和补全效果这一结论；讨论了NWLRTC算法在处理实际交通数据时的性能及未来研究方向；描述了LLATC方法在交通速度预测上的应用，并对比了补全数据与原始数据的预测精度；验证了多源数据补全单源数据的优势，以及张量表示和截断核范数在数据融合上的高效性。
本书可供数据分析、机器学习等数据相关领域的研究人员、工程师以及研究生参考阅读。

第1章绪论
1.1数据补全的背景与意义
1.2数据缺失原因及补全基本概念
1.2.1数据缺失的原因
1.2.2数据补全的基本概念
1.3数据补全的研究现状
1.3.1基于向量的数据补全方法
1.3.2基于矩阵的数据补全方法
1.3.3基于张量的数据补全方法
本章小结
参考文献
第2章数据补全中的代数结构与矩阵分解
2.1代数结构
2.1.1向量与矩阵
2.1.2高阶张量
2.1.3高阶张量的结构
2.1.4高阶张量的矩阵化和向量化
2.1.5特殊代数结构
2.1.6三类具有特殊结构的矩阵
2.2矩阵分解
2.2.1特征值分解
2.2.2奇异值分解
2.2.3随机奇异值分解
2.3动态模态分解
本章小结
参考文献
第3章数据补全中的基本运算
……