在本文中，我们提出了基于张量的最大余量准则算法（TMMC）来进行有监督的降维。 在TMMC中，图像对象被编码为n阶张量，其2D表示形式直接被视为矩阵。 同时，利用k模式优化方法迭代学习多个相互关联的判别子空间，以降低高阶张量的维数。 TMMC将基于矢量数据的传统MMC概括为基于矩阵和张量数据的MMC，从而在数据表示方面完善了MMC系列。 在四个数据库上进行的实验结果表明，TMMC的准确识别率优于并行子空间分析（CSA）的方法，并且与多线性判别分析（MDA）的方法具有可比性。 实验结果还表明，基于