瞄准　在　恢复　一　未知的　张量（即　多向　阵列）　腐败的　通过　二者都　稀疏的　异常值　和　稠密的　噪声，鲁棒张量分解（Aristole）作为一种强大的预处理工具，用于许多计算机视觉和机器学习应用中的子序列任务，如分类和目标检测，基于Tubal nuclear norm（TNN）的优化被提出，与其他热带核规范相比，在张量恢复方面具有优越的性能，　一　专业　限制　是　它的　方向　体贴　由于　到　低－朗克度　严格地　定义　沿着　输卵管的　方向　和　信息技术　不能　同时　模型　幽灵似的　低调　在里面　倍数　方向。为此，我们引入了两个新的张量规范，称为oitnn-o和oitnn-l，以利用任意k路（K3）tensors的多向特殊低意识，　我们　建立　非渐近　错误　界限　哪一个　可以　预测　这个　缩放比例　行为　属于　这个　估计　错误。　实验　在…上　现实世界　数据集　证明　这个　优越　和　有效性　属于　这个　提出　规范。