一种基于贝叶斯学习的张量插值分解方法及装置

本发明公开了一种基于贝叶斯学习的张量插值分解方法及装置，其中，方法包括以下步骤：步骤S1、将多阶张量按照一维度展开成矩阵，对矩阵进行聚类，从不同聚类类别中抽取一定数量的列向量组织成骨架矩阵；步骤S2、将骨架矩阵视为CP分解中的一个因子矩阵，将剩余的因子矩阵视为权重矩阵；利用叶贝斯学习对张量插值分解进行概率建模，为张量添加先验；步骤S3、为权重矩阵设置先验，根据权重矩阵先验绘制概率图模型并导出模型后验分布；步骤S4、使用吉布斯采样算法进行权重矩阵的后验近似计算；步骤S5、基于张量近似值计算模型误差值，如果模型误差值小于设定阈值，则输出权重矩阵，否则对步骤S4进行迭代。本发明具有可解释性高的效果。