支持向量机导论（国外计算机科学教材系列）

第1章 学习理论
1.1 监督学习
1.2 学习和泛化性
1.3 提高泛化性
1.4 学习的价值和缺点
1.5 用于学习的支持向量机
1.6 习题
1.7 补充读物和高级主题
第2章 线性学习器
2.1 线性分类
2.2 线性回归
2.3 线性学习器的对偶表示
2.4 习题
2.5 补充读物和高级主题
第3章 核函数特征空间
3.1 特征空间中的学习
3.2 到特征空间的隐式映树
3.3 构造核函数
3.4 特征空间中的计算
3.5 核与高斯过程
3.6 习题
3.7 补充读物和高级主题
第4章 泛化性理论
4.1 可能近似正确学习模型
4.2 VC理论
4.3 泛化性的间隔界
4.4 其他泛化界和幸运度函数
4.5 回归的泛化性
4.6 学习的贝叶斯分析
4.7 习题
4.8 补充读物和高级主题
第5章 *优化理论
第6章 支持向量机
第7章 实现技术
第8章 支持向量机的应用
附录A SMO算法的伪码
附录B 背景数学