近日，数学与统计学院赵为华教授团队在国际期刊《PATTERN RECOGNITION》（《模式识别》）上发表题为“Robust Low Tubal Rank Tensor Recovery via L2E Criterion”（基于L2E 准则的Tubal低秩张量鲁棒复原）的学术论文。2023级硕士研究生宋子豪为论文第一作者，赵为华教授为通讯作者，数学与统计学院徐相建老师和香港城市大学练恒教授为共同作者。
该论文研究粗糙密集噪声的稳健张量恢复问题，基于张量积(t-product)，提出了一种张量因子Frobenius范数来挖掘低秩性质；通过鲁棒均方可积的L2准则，导出非凸目标函数刻画低秩张量，然后提出一种交替最小化算法来估计低秩张量。该方法能够联合估计精度参数来描述潜在的复杂噪声模式。此外，本文给出了该算法的一些全局收敛性质。在模拟数据和真实数据上进行了一系列数值实验，并与现有方法进行了比较，验证了所提方法的有效性和鲁棒性。
《PATTERN RECOGNITION》（《模式识别》）是计算机科学、人工智能领域的国际著名学术期刊，为中科院一区TOP期刊，影响因子8.0。
