统计学习理论是一个新兴的研究领域，它是概率论、统计学、计算机科学和最优化的交叉领域，研究基于训练数据进行预测的计算机算法的性能。以下主题将包括:统计决策理论基础;集中不平等;监督学习和非监督学习;经验风险最小化;complexity-regularized估计;学习算法的泛化界VC维与复杂性;极大极小下界;在线学习和优化。利用一般理论，我们将讨论统计学习理论在信号处理、信息论和自适应控制方面的一些应用。