为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
异构张量分解打破了传统TUCKER分解各因子矩阵均采用相同学习方法的假设，使张量分解有更强的适应性和广泛性。将低秩正则化引入张量分解模型，提出新的子空间学习方法。结合基于核张量的张量分解子空间学习方法，如高阶正交迭代方法，交替方向法等，将其应用到低秩张量分解研究中。研究打破各项同性假设的异构张量分解方法，在监督和非监督条件下提出基于低秩张量分解的子空间学习方法，并在公开数据集上验证算法的有效性。