统计学习理论导论

统计学习理论是专门研究有限样本情况下机器学习的性质和规律的理论,是传统统计学的重要发展,是机器学习理论与统计学理论的结合,对于解决模式识别、函数估计等问题有重要的指导意义,已经成为继人工神经网络之后机器学习领域最重要的学科前沿。本课程主要讲授统计学习理论及支持向量机的基本思想、理论、方法及最新学术进展,主要内容包括统计学习理论的基本思想和主要结论、支持向量机方法及其衍生出的核函数机器方法、有关理论和方法的应用、本学科目前尚未解决的关键问题以及有关研究的前沿课题。