●第1章核方法基本理論
●1.1引言
●1.2核方法的基本概念
●1.3支持向量機（SVM）
●1.3.1很優分類超平面
●1.3.2構造很優超平面
●1.3.3廣義很優分類面
●1.3.4高維空間中的很優分類面
●1.3.5構造SVM
●1.4支持向量數據描述（SVDD）
●參考文獻
●第2章SVM可分性與模型多參數優化選擇
●2.1引言
●2.2SVM可分性研究
●2.2.1線性可分的定義
●2.2.2SVM線性可分充要條件
●2.2.3SVM線性可分性的度量
●2.2.4懲罰因子C對分類性能的影響
●2.3SVM模型多參數優化選擇
●2.3.1SVM模型單參數很優選擇問題
●部分目錄

全書共十章，主要有支持向量機的可分性與模型多參數優化、基於核判別分析方法的目標特征提取、基於核聚類方法的高分辨距離像識別、支持向量機多類目標分類算法、基於單空間和雙空間的支持向量數據描述高分辨距離像識別、基於自適應SVDD的雷達高分辨距離像識別、基於ISVDD的雷達高分辨距離像在線識別以及特征空間數據核矩陣收縮方法等內容。全書從核方法、SVM和SVDD模型的理論研究，核方法特征提取，核分類器設計以及基於核方法的雷達高分辨距離像識別等方面繫統全面總結了相關研究成果。重點研究了基於核映射方法的雷達高分辨距離像目標識別中的核參數優化選擇和核矩陣收縮、特征空間劃分、模型和學習算法核方法特征提取以及基於SVM和SVDD的高分辨距離像識別等問題。