本书致力于介绍基于低秩结构学习的谱聚类基础知识和研究进展。由于谱聚类的研究具有很强的跨学科特色，并且新的问题和研究成果不断涌现，本书重点着眼于基于低秩结构学习的谱聚类研究中已取得的主要研究进展，包括面向矩阵和三阶张量两方面。本书重点关注紧凑低秩表示学习、鲁棒的无监督特征选择学习、图正则化低秩因子分解学习、张量低秩稀疏表示学习和增强的张量低秩表示学习等，理论分析了这些基于低秩结构的表示学习方法的优化过程、复杂度、收敛性等，实验结果表明了这些方法在谱聚类研究方面的优越性。

第1章 谱聚类
1.1 谱聚类研究背景及意义
1.2 聚类研究现状
1.3 维数约简研究现状
1.4 张量相关预备知识
1.5 相关问题
第2章 图正则化紧凑低秩表示学习
2.1 引言
2.2 低秩表示
2.3 图正则化紧凑低秩表示学习
2.4 模型分析
2.5 实验结果与分析
2.6 本章小结
第3章 鲁棒的无监督特征选择学习
3.1 鲁棒的无监督特征选择学习
3.2 算法分析
3.3 实验结果与分析
3.4 本章小结
第4章 图正则化低秩因子分解学习
4.1 引言
4.2 相关工作
4.3 图正则化低秩因子分解学习
4.4 实验结果与分析
4.5 本章小结
第5章 张量低秩稀疏表示学习
5.1 引言
5.2 相关工作
5.3 张量低秩稀疏表示
5.4 实验和结果分析
5.5 本章小结
第6章 增强的张量低秩表示学习
6.1 引言
6.2 相关工作
6.3 增强张量低秩表示
6.4 实验与结果分析
6.5 本章小结
参考文献