本书详细介绍基于核的模式分析的基本概念及其应用，主要内容包括：主要理论基础，若干基于核的算法，从最简单的到较复杂的系统，例如核偏序最小二乘法、典型相关分析、支持向量机、主成分分析等。还描述了若干核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数(如HMM)到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。本书适用于所有从事模式识别、机器学习、神经网络及其应用的学生、教师和研究人员。

本书详细介绍基于核的模式分析的基本概念及其应用，主要内容包括：主要理论基础，若干基于核的算法，从最简单的到较复杂的系统，例如核偏序最小二乘法、典型相关分析、支持向量机、主成分分析等。还描述了若干核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数(如HMM)到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。

本书适用于所有从事模式识别、机器学习、神经网络及其应用的学生、教师和研究人员。

出版者的话

专家指导委员会

译者序

前言

第一部分 基本概念

第1章 模式分析

 1.1 数据中的模式

1.1.1 数据

1.1.2 模式

 1.2 模式分析算法

1.2.1 模式的统计稳定性

1.2.2 通过重新编码检测模式

 1.3 利用模式

1.3.1 整体的策略

1.3.2 常见模式分析任务

 1.4 小结

 1.5 进一步阅读和高级主题

第2章 核方法概要

 2.1 概述

 2.2 特征空间中的线性回归

2.2.1 原始线性回归

2.2.2 原始岭回归和对偶岭回归

2.2.3 由核定义的非线性特征映射

 2.3 其他例子

2.3.1 算法

2.3.2 核

 2.4 核方法的模块性

 2.5 本书的路线图

 2.6 小结

 2.7 进一步阅读和高级主题

第3章 核的性质

 3.1 内积和半正定矩阵

3.1.1 希尔伯特空间

3.1.2 Gram矩阵

 3.2 核的描述

 3.3 核矩阵

 3.4 核的构造

3.4.1 核函数上的运算

3.4.2 核矩阵上的运算

 3.5 小结

 3.6 进一步阅读和高级主题

第4章 检测稳定的模式

 4.1 集中度不等式

 4.2 容量和正则化：Rademacher理论

 4.3 基于核的类的模式稳定性

 4.4 一种实用的方法

 4.5 小结

 4.6 进一步阅读和高级主题

第二部分 模式分析算法

第5章 特征空间中的基本算法

 5.1 均值和距离

5.1.1 一种简单的新颖检测算法

5.1.2 一种简单的分类算法

 5.2 计算投影：Gram-Schmidt法、QR法和Choleskyr法

 5.3 衡量数据的分散度

 5.4 Fisher判别式分析I

 5.5 小结

 5.6 进一步阅读和高级主题

第6章 利用特征分解法做模式分析

 6.1 奇异值分解

 6.2 主成分分析

6.2.1 核主成分分析

6.2.2 主成分分析的稳定性

…………