本书主要介绍从高维数据中感知、处理、分析和学习低维结构的基本数学原理和高效计算方法，系统地归纳了建模高维空间中低维结构的数学原理，梳理了处理高维数据模型的可扩展高效计算方法，阐明了如何结合领域具体知识或考虑其他非理想因素来正确建模并成功解决真实世界中的应用问题。本书包括基本原理、计算方法和真实应用三个部分：基本原理部分系统地介绍稀疏、低秩和一般低维模型的基本性质和理论结果，计算方法部分介绍解决凸优化和非凸优化问题的有效算法，真实应用部分通过实例演示利用前两部分的知识改进高维数据处理和分析问题的解决方案。本书适合作为计算机科学、数据科学和电气工程专业的高年级本科生和研究生的教材，也适合学习稀疏性、低维结构和高维数据课程的学生参考。

约翰·莱特（John Wright） 哥伦比亚大学电气工程系副教授。2009~2011年曾在微软亚洲研究院工作。他的研究方向是高维数据分析，目前致力于开发从不完整的、被损坏的观测中稳健地恢复
结构化信号表示的高效算法，并将其应用于科学成像和计算机视觉问题。他曾获得2009年Lemelson-Illinois创新奖、2009年UIUC Martin研究生卓越研究奖、2012年COLT最
佳论文奖。他拥有伊利诺伊大学厄巴纳-香槟分校博士学位。
马毅香港大学教授，数据科学研究院院长，计算与数据科学学院院长；加州大学伯克利分校电气工程与计算机科学系教授。曾任教于上海科技大学和伊利诺伊大学厄巴纳-香槟分校，曾任微软亚洲研究院计算机视觉组主任及首席研究员。他的研究兴趣包括三维计算机视觉、高维数据的低维模型、可扩展优化算法和机器学习，近年来的研究主题包括低维结构与深度网络的关系以及智能系统的计算原理。他是IEEE、ACM和SIAM会士。他拥有加州大学伯克利分校博士学位。