本书从机器学习的基本问题开始，循序渐进地介绍了相关的内容，包括线性分类器、核函数特征空间、推广性理论和优化理论，从而引出了支持向量机的算法，进而将支持向量机应用到实际的工程实例中。
本书共分为8章，第1章统计学习理论基础，第2章支持向量机基础，第3章支持向量机的分类、回归问题及应用，第4章应用背景及混合气体红外光谱分析基础，第5章基于SVM和红外光谱的含烃类混合气体分析方法，第6章含烃类混合气体分析方法的实际应用研究，第7章层次式SVM子集含烃类混合气体光谱分析框架研究， 第8章石油天然气红外光谱分析系统的集成应用。
本书适合高等院校高年级本科生、研究生、教师和相关科研人员及相关领域的工作者使用。
本书既可作为研究生教材，也可作为神经网络、机器学习、数据挖掘等课程的参考教材。
