矩阵回归在许多应用学科中经常出现。目前高维矩阵回归模型的研究处于起步阶段。因此，本专著在作者已有研究的基础上，根据数据的不同特点建立相应的正则化矩阵回归模型，并进行统计性质的分析和优化算法的设计。具体地，本专著将研究低秩弹性网正则化最小二乘矩阵回归模型、Double Fused 最小二乘迹回归模型、核范数正则化矩阵回归模型、低秩弹性网正则化矩阵回归模型、行稀疏弹性网正则化矩阵回归模型、广义弹性网矩阵回归模型和Double Fused LAD 迹回归模型。对每一个模型，我们通过对实际数据的分析来说明其特有的性质。

孔令臣，男，北京交通大学理学院教授，博士生导师，中国运筹学会数学规划分会副秘书长。2009年9月入职北京交通大学数学系，2010年晋升为副教授，2014年晋升为教授。主要从事对称锥互补问题和最优化、稀疏优化、低秩矩阵优化、优化与统计学习、医学成像等方面的研究。关于对称锥互补问题和稀疏低秩矩阵优化的研究结果引起一些国内外学术同行的关注和正面评价，几个定理被收录在Handbook on Semidefinite, Conic and Polynomial Optimization中。主持国家自然科学基金面上项目“高维约束矩阵回归的优化理论与算法”、“矩阵秩极小问题的松弛理论与算法研究”和参与国家自然科学基金重点项目“大规模稀疏优化问题的理论与算法”以及973课题等，获得2012度中国运筹学会青年奖。 作为数学系分管公共课程教学的副主任，积极开展理学数学平台、MOOCS平台优质课、数学演示实验平台建设等。2005年获山东省高等教育教学成果三等奖，2017年获得北京市高等教育教学成果一等奖。