支持向量机（Support Vector Machine，SVM）是建立在弗拉基米尔・万普尼克（Vladimir Vapnik）提出的统计学习理论基础上的一种使用广泛的机器学习方法。这本简明导论教程对支持向量机及其理论基础进行了全面的介绍。书中从机器学习方法论讲到超平面、核函数、泛化理论、优化理论，最后总结到支持向量机理论，并介绍了其实现技术及应用。本书的叙述循序渐进，内容深入浅出，既严谨又易于理解。书中清晰的条理、富于逻辑性的推导以及优美的文字，备受初学者和专家的赞许。本书可作为计算机、自动化、电子工程、应用数学等专业的高年级本科生或研究生教材，也可作为机器学习、人工智能、神经网络、数据挖掘等课程的参考教材，同时还是相关领域的教师和研究人员的参考书。