本书将模式分析的基本原理和核方法并重介绍，目的是起点低设，读者容易进入，知识比较系统，有利于知识的掌握和利用。第一章绪论是顶层论述，给出模式识别和模式分析概述。第二章是模式分析的原则与策略，其包括 ：类域界面分类原理和多类分类策略；模式分析的基本原则和策略；容量、集中度、VC维、Rademacher理论。第三章给出后面各章节要共用的知识，其内容是：核函数基本知识；核映射空间中某些量值与核函数的关系。第四章论述模式分析，它包括：矩阵奇异值分解与广义本"模式分析的主要任务是了解数据源或数据集的内在结构、关系和规律，并运用学习后的分析系统对新的数据进行预测预判，或根据已有模式知识进一步了解更深层次的知识。本书第1章宏观介绍模式分析。第2章主要论述模式分析的基本原则与策略；集中度、容量、VC维、Rademacher理论，它们是模式分析的顶层思想和泛化错误率分析的基础理论。第3章给出后面各章节共用的核函数与核映射空间知识。在前面3章的基础上，续而讨论具体的模式分析与核方法，各章节首先比较详细地论述基本原理和方法，然后利用核函数有关理论或核技巧“平滑过渡”到核映射空间中的模式分析。第4章论述数据分析与模式分析，包括： 矩阵奇异值分解与广义本征分解；Fisher判别分析；主成分分析；相关分析；回归分析等。第5章论述支持矢量机，包括： 硬间隔支持矢量机；软间隔支持矢量机；支持矢量机的泛化错误率；训练样本具有不确定性的支持矢量机；样本类内缩聚与两类样本数不均的补偿。第6章论述支持矢量数据描述，包括： 包含全部样本的最小球；包含大部分样本的**球；样本加权的支持矢量数据描述；小球大间隔SVDD；