支持向量机是数据挖掘中的一个新方法。支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。希望本书能促进它在我国的普及与提高。
本书对象既包括关心理论的研究工作者，也包括关心应用的实际工作者。对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决自己的问题。
本书适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用。

作者是德国爱尔兰根-纽伦堡大学的计算语言学教授，先后出版了多部计算机语言学专著。是左结合语法的创始人，后进一步提出数据库语义学和语表组合性内部匹配理论，在计算语言学界有卓越的建树。为国内计算机语言学的研究提供了很好的先例。
如果我们能够直接和计算机对话，而不是必须编写程序，那么我们的日常生活就会简单很多。但是，在能制造出这样会说话的机器人之前，首先要有一个关于自然语言交流如何进行的理论。
《自然语言交流的计算机模型》第一部分是对人工智能主体的高层次描述，人们可以用自己熟悉的语言和这个人工智能主体自由交谈。第二部分分析了自然语言的主要结构，也就是说者和听者模式下的命题内和命题间函词论元结构、并列结构及共指关系。第三部分定义了用Java实现的英语片段的陈述性规范说明。学者、研究生及软件工程师们可以在这个理论柜架下开展有关自然语言交流的理论分析，进行有关自然语言处理的各种实践。

《模式分类》(原书第2版)的第1版《模式分类与场景分析》出版于1973年，是模式识别和场景分析领域奠基性的经曲名著。在第2版中，除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为未来25年的模式识别的发展指明了方向。书中包含许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。