随着数码设备的大量普及与发展,现代社会的信息量正以飞快的速度增长。视频作为重要的信息载体,越来越多的出现在人们的日常生活中。在这种环境下,如何对视频快速、准确地分类变得尤为重要。因为视频数据具有高阶特性,所以张量在表征视频数据时具有天然的优势。当前,基于张量分解方法解决视频序列的分类通常需要统一视频序列的长度,这种处理方法通常会导致不能完整地利用视频数据信息。本文以视频序列为研究对象,从张量分解的角度对视频序列的分类问题展开了较为深入的研究,提出了一种基于不等长视频序列的张量分解算法,能够在保持高正确率的情况下有效地改善上述问题。主要研究内容包括:(1)提出了一种基于时空迭代的张量分解算法。从解决输入的视频序列不等长问题出发,通过对比分析不同的视频抽样方法,提出了一种联合时域压缩与空域降维的迭代张量分解方法,使得对任意不等长的视频序列,都可以在尽可能保留原有信息的基础上输出等长的视频张量。(2)结合上述算法提出了一种视频序列分类框架。基本思想是在实现视频的尺度统一之后,对张量进行矩阵化并获取视频序列在各阶上的子空间分布,利用积流形融合各个子空间并最终实现视频序列的分类。本文创新之处在于利用张量分解实现了视频序列的尺度统一,克服了以往算法中要求输入的视频必须是等长的缺点,并在此基础上提出了一种基于张量分解的视频序列分类框架。实验结果表明,与其他传统算法相比,该方法取得了更好的分类效果。