模式分析主要任务是了解及以模式形态表达数据源内在结构、关系和规律，并运用学习后的分析系统对新的数据进行预测预判，或根据已有模式知识进一步了解更深层次的知识。本书第1章是模式分析概述，宏观介绍模式分析。第2章主要论述模式分析的基本原则与策略；容量、集中度、VC维、Rademacher理论；这些是模式分析的顶层思想和泛化错误率分析的基础理论。第3章给出后面各章节共用的核函数与核映射空间知识。在前面三章的基础上，讨论具体的模式分析与核方法，各章节首先比较详细论述基本原理和方法，然后利用核函数有关理论或核技巧“平滑过渡”到核映射空间中模式分析。第4章论述数据分析与模式分析，包括：矩阵奇异值分解与广义本征分解， Fisher判别分析，主成分分析，相关分析，回归分析。第5章论述支持矢量机：硬间隔支持向量机，软间隔支持矢量机，支持矢量机的泛化错误率，训练样本不确定性的支持矢量机，样本类内缩聚与两类样本数不均的补偿。第六章论述支持矢量描述：包含全部点集最小球，包含大部分点集的最小球，样本加权的支持矢量描述，小球大间隔SVDD，椭球数据描述，基于距离测度学习和最优球面的判别和检测方法。第七章论述支持矢量回归：岭回归，一范数 不敏损失支持矢量回归，二范数 不敏损失支持矢量回归。第八章论述基本的核函数优化方法，包括：核函数参数寻优方法，核极化方法，核调准方法，根据核矩阵估计可分性与二范数SVM核调准，核映射空间的Fisher判据与基于Fisher准则的数据相关核函数的优化方法，多核学习。