本書主要包括基于統(tǒng)計分析的方法、基于信號處理的方法和基于人工智能的方法三類。人工智能方法作為近年研究的熱點在各個領(lǐng)域都取得了廣泛的應(yīng)用, 其中機器學(xué)習(xí)則是常見的一類分支。包括支持向量機、支持向量數(shù)據(jù)描述 (Support Vector Data Description, 簡稱SVDD) 在內(nèi)的機器學(xué)習(xí)方法在深度學(xué)習(xí)興起之前占據(jù)了極其重要的地位。雖然在監(jiān)督學(xué)習(xí)領(lǐng)域, 各種不同類型、不同結(jié)構(gòu)和不同原理的深層神經(jīng)網(wǎng)絡(luò)取得了令人振奮的進展, 但是其依然存在可解釋性、泛化能力等問題, 且似乎短時間內(nèi)難以解決。因此, 其他機器學(xué)習(xí)方法依然具有重要的研究意義與價值。