内洛·克里斯蒂安尼尼（Nello Cristianini）目前是英国布里斯托尔大学计算机科学系的人工智能教授。他获得过英国皇家学会沃尔夫森杰出研究成就奖和欧洲研究理事会高阶研究基金奖。2014年他被汤森路透列入2002至2012十年间具影响力的科学家名单，2016年被AMiner列入机器学习领域具影响力的百位研究者名单。

约翰·肖·泰勒（John Shawe-Taylor）目前是英国伦敦大学学院联合国教科文组织人工智能讲席教授，并担任计算机科学系系主任和计算统计和机器学习中心主任。他还协调组织了多个机器学习欧洲联合研究项目，比如NeuroCOLT（“神经计算学习”）项目和PASCAL（“模式分析、统计建模与计算学习”）项目。

　　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。

内洛·克里斯蒂安尼尼（Nello Cristianini）目前是英国布里斯托尔大学计算机科学系的人工智能教授。他获得过英国皇家学会沃尔夫森杰出研究成就奖和欧洲研究理事会高阶研究基金奖。2014年他被汤森路透列入2002至2012十年间最具影响力的科学家名单，2016年被AMiner列入机器学习领域最具影响力的百位研究者名单。

约翰·肖·泰勒（John Shawe-Taylor）目前是英国伦敦大学学院联合国教科文组织人工智能讲席教授，并担任计算机科学系系主任和计算统计和机器学习中心主任。他还协调组织了多个机器学习欧洲联合研究项目，比如NeuroCOLT（“神经计算学习”）项目和PASCAL（“模式分析、统计建模与计算学习”）项目。