1月6日，数据科学学院举行数海领航大讲堂2025年第6期。本期邀请杭州电子科技大学凌晨教授为全院师生带来一场题为“Tensor Completion via A Generalized TransformedTensor T-Product Decomposition without t-SVD”的学术讲座。讲座由副院长郑松教授主持，部分教师及研究生参加了此次讲座。

凌晨教授围绕不完全观测数据下的网络流量数据恢复问题，介绍了矩阵和张量核范数、奇异值分解等概念在低秩张量填充问题中的重要性。在一般可逆线性变换下，凌教授阐明了三阶张量管核范数与最小化两个张量因子的Frobenius范数平方和等价。考虑到互联网数据的周期性特征，凌教授提出了基于张量积（T积）的正则化张量填充模型，并利用模型的可分结构设计出高效的交替极小化算法。最后，通过在流量数据恢复、彩色图像和黑白视频中的一系列数值实验展示了新算法的高效性。

本场讲座将运筹优化理论算法与张量填充问题相融合，揭示了张量优化在图像处理、视频复原等多个领域的广泛应用前景。凌晨教授的演讲内容详实丰富，通过张量研究的深入剖析和细致阐释，让在场的师生们获得了对这一领域深刻而全面的理解，也为师生们今后的学术研究和实际应用提供弥足珍贵的启示和指导。