第1章 算子理论基础

1.1基本概念和定义

1.2常用不等式

小结及深入的主题

第2章 统计分析基础

2.1基本概念

2.2常见分布及Matlab实现

2.5收敛性

2.6随机逼近

小结及深入的主题

第3章 矩阵分解与计算

3.1基本概念

3.2矩阵分解与降维

小结及深入的主题

第4章 分类模型

4.1贝叶斯推断

4.2高斯混合模型（GMM）

4.3Logistic回归

4.4判别分析

4.5集成学习（Ensemble Learning）

小结及深入的主题

第5章 数据降维方法

5.1主成分分析（PCA）

5.2扩展的PCA模型

5.3流形学习

5.4谱聚类

5.5典型谱聚类算法及其性能分析

小结及深入的主题

第6章 聚类分析

6.1经典聚类模型

6.2核聚类模型

6.3常见算法性能的分析与比较

小结及深入的主题

第7章 在线学习

7.1引言

7.2模型和算法

7.3模型复杂性及选择

7.4算法收敛性、收敛速度和误差界

7.5典型应用

小结及深入的主题

附录A 常用参数和指标

A.1期望和方差

A.2偏度（Skewness）

A.3峰度（Peakness/Kurtosis）

附录B 度量

B.1相关性度量

B.2距离度量

附录C Cramer-Rao不等式

附录D 中英文对照表