统计学习理论的基本内容诞生于20世纪60～70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，本书即是其中一部。由于较系统地考虎了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性。VladimirN.Vapnik于1990年加入美国AT&T贝尔实验室，现仍担任顾问，1995年起任英国RoyalHolloway大学计算机和统计学教授。Vapnik教授从事计算机科学、理论与应用统计学研究已有30多年，发表了7部学术著作和上百篇研究论文。他的主要学术成就是研究发展了一套基于经验数据估计依赖关系的一般理论，即统计学习理论，以及在此理论基础上的一种新的学习机器：：支持向量机，它具有很高的推广能力。这些理论与方法可以用在很多模式识别和回归估计问题中，并已经在很多实际问题中取得了很好的应用成果。许建华，2002年于清华大学模式识别与智能系统专业获工学博士学位。现在南京师范大学计算机系从事教学与科研工作。主要研究方向为模式识别、神经网络、机器学习、？斯ぶ悄堋⑿藕糯砝砺奂捌溆τ谩？统计学习理论是研究利用经验数据进行机器学习的一种一般理论，属于计算机科学、模式识别和应用统计学相交叉与结合的范畴，其主要创立者是本书的作者VladimirN.Vapnik。统计学习理论的基本内容诞生于20世纪60~70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，本书即是其中一部，另一部是“TheNatureofStatisticalLearningTheory”（《统计学习理论的本质》）。由于较系统地考虑了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性，在这一理论下发展出的支持向量机（SVM）方法以其有限样本下良好的推广能力而备受重视。本书是对统计学习理论和支持向量机方法的全面、系统、详尽的阐述，是各领域中研究和应用机器学习理论与方法的科研工作者和研究生的重要参考资料。
鄂公网安备 42010302001612号 