机器学习是人工智能的一个核心研究领域，也是近年来计算机科学中最活跃的研究分支之一。目前，机器学习技术不仅在计算机科学的众多领域中大显身手，还成为一些交叉学科的重要支撑技术。本书邀请相关领域的专家撰文，以综述的形式介绍机器学习中一些领域的研究进展。全书共分13章，内容涉及高维数据降维、特征选择、支持向量机、聚类、强化学习、半监督学习、复杂网络、异构数据、商空间、距离度量以及机器学习在自然语言处理中的应用等。 本书可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员参考。

机器学习致力于“利用经验来改善系统自身的性能”。在计算机系统中，“经验”通常是以数据的形式存在的，要利用经验就不可避免地要对数据进行分析。因此，机器学习已逐渐成为计算机数据分析技术的源泉之一。随着人类收集和存储数据能力的不断增长以及计算机运算能力的飞速发展，利用计算机来分析数据的要求越来越广泛，越来越迫切，从而使得机器学习的重要性越来越显著。2001年，美国航空航天局JPL实验室的科学家在Science上撰文指出，机器学习对科学研究的整个过程正起到越来越大的支持作用，并预计该领域将取得稳定而快速的发展；2003年，美国国防部高级研究计划局（DARPA）开始启动了以机器学习为核心的PAL计划，将机器学习技术的重要性上升到国家安全的高度来考虑；2006年，美国卡内基梅隆大学专门成立了机器学习系。这些情况表明，机器学习已经成为计算机科学技术中最受关注的领域之一。 2002年，陆汝钤院士在复旦大学智能信息处理实验室发起并组织了“智能信息处理系列研讨会”，并将“机器学习及其应用”列为当年支持的研讨会之一。2002年11月，研讨会成功举行，并确定了会议不征文、不收费，以及“学术至上，其他从简”的办会宗旨。2004年11月，在复旦大学举行了第二届“机器学习及其应用”研讨会，两天半的会议一直有100余人旁听，这令与会专家深受鼓舞，于是商定从此次会议开始，将“机器学习及其应用”发展成为一个系列研讨会，在每年11月上旬的一个周末举行。2005年11月，南京大学计算机软件新技术国家重点实验室举办了第三届研讨会，吸引了来自全国近十个省市的250余人旁听；2006年11月，南京大学计算...