本書分為基礎(chǔ)篇和高級篇�；�礎(chǔ)篇介紹機器學習的主要原理和方法、以及最近幾年來的最新進展，包括機器學習的發(fā)展史、決策樹學習、PAC模型、貝葉斯學習、支持向量機、AdaBoost、壓縮感知、子空間、深度學習與神經(jīng)網(wǎng)絡(luò)、MCNs、強化學習等內(nèi)容。在高級篇部分，主要介紹一下作者多年來在機器學習與視覺感知方面的研究成果，包括HGPP、LDP、KBP、高階差分碼、Kernel Learning、Bag of Feature model等方法原理闡述與應用。