支持向量机(SVM)是在统计学习理论的基础上发展起来的新一代学习算法,该算法在文本分类、手写识别、图像分类、生物信息学等领域中获得了较好的应用。本书是第一本支持向量机方面的导论型读物。它从机器学习算法的基本问题开始,循序渐进地介绍相关的背景知识,包括线性分类器、核函数特征空间、推广性理论和优化理论,从而很自然地引出了支持向量机的算法。书的末尾还详细讨论了一系列支持向量机的重要应用以及实现的技巧。该书提供的大量相关文献以及网站链接为进一步学习提供了有效线索,有助于读者及时跟踪该领域的最新信息。本书可作为计算机、自动化、机电工程、应用数学等专业的研究生教材,也可作为神经网络、机器学习、数据挖掘等课程的参考教材,同时还是相关领域的教师和研究人员的参考书。20世纪90年代初期出现的SVM,在理论方面不断深入,在实践中不断拓广,目前已成为机器学习和数据挖掘领域的标准工具。读者会发现本书虽具有一定的挑战性,但很容易理解,而研究者也会很顺利地找到掌握这些技术的理论和应用所需要的材料。本书遵循易理解和自包含的原则,循序渐进地介绍了SVM的概念,论述既严谨又透彻。书中列出的相关材料和软件的网站可以给读者的进一步学习提供一个理想的起点。本书可以帮助研究者应用这些技术,而相关网站可以提供新文献、新应用和不断更新的在线软件。