目前，高阶张量模式越来越受到人们的重视，同时张量分析方法的研究也在不断深入。鉴于传统特征提取方法向量化带来的问题和本身的局限性，提出了基于张量的有监督的和无监督的局部保持投影算法，即监督张量局部保持投影算法（Supervision Tensor Locality Preserving Projection，STLPP）和无监督张量局部保持投影算法（Unsupervision Tensor Locality Preserving Projection，USTLPP）。STLPP算法只利用了已有的类别信息，却忽略了数据的局部几何性质；USTLPP只考虑保持数据的局部几何特征，却忽略了已有的类别信息。考虑上述两种方法的不足，提出一种基于改进邻域的张量局部保持投影算法（Improved Tensor LocalityPreserving Projection，ITLPP），该方法同时兼顾了数据的类别信息和局部几何特征。通过2D人脸和基于Gabor滤波的3D人脸实验，验证了三种TLPP方法的有效性和可行性。实验结果表明基于张量的方法在分类识别率上比传统统计模式识别方法有更高的准确度，在计算复杂度和存储代价方面也要优于传统方法，并且三种张量方法中，ITLPP算法的识别率是最高的。fMRI数据的特点同样也是以张量形式存在的，在没有先验医学知识的前提下，对大脑认知的磁共振成像（functional Magnetic Resonance Image, fMRI）数据进行预处理，采用本文提出的基于改进的张量局部保持投影方法进行特征提取，并在此基础上对脑认知状态进行分类。实验表明，ITLPP算法比主成分分析能够取得更准确的分类结果。