矩阵的低秩逼近是一种大规模矩阵低秩近似表示技术，是从大规模、复杂的数据中寻求数据潜在信息的一种强有力方法。非负矩阵分解（Nonnegative Matrix Factorization,NMF）是矩阵的低秩逼近方法之一。本书从非负矩阵分解算法，基于NMF的局部图像识别策略，训练集图像数据有缺失的识别，在线人脸识别的算法，部分非负约束的NMF算法，张量分解模型及应用等几个方面对于非负矩阵与张量分解进行了研究。最后，针对非负矩阵和张量分解研究现状和存在的问题，提出了进一步研究的问题。 本书既注重基础理论的研究，又注重基础理论研究结果的应用，内容丰富，系统性强。本书可作为图像处理等专业研究生的参考资料和进一步研究的课题，也可作为相关专业科研人员的参考书。