多线性子空间学习(Multilinear subspace learning)是一种通过直接映射高维张量(Tensor)数据到低维空间的一种降维(dimensionality reduction)方法。张量数据其实就是多维数据,如图像是2D或3D,录像是3D/4D。从高维空间映射到张量低维的向量或张量空间叫做多线性投影(multilinear projection)。 输入:高维张量数据 输出:低维数据(张量或矢量) 求解:多线性投影 此法和线性子空间学习(Linear subspace learning)相比,如主成分分析(PCA)和线性鉴别分析(LDA),最大不同是不用通过矢量化来降维,所以处理高维数据时有低维运算的优势,并且不会破坏数据原始的结构。