侯媛彬：教授,女，博士生导师，1997年获西安交通大学系统工程(Ⅰ)博士学位。西安科技大学矿山机电博士点学科带头人，西安科技大学省重点学科“控制理论与控制工程”学科带头人，中国自动化学会电气专业委员会委员，陕西省自动化协会常务理事兼教育委员会主任。一直从事自动化、安全技术与工程方面的教学和研究工作。讲授过博士、硕士和本科各层面的专业课程10多门。在国内外公开发表学术论文110余篇，其中被EI和ISTP检索30余篇。出版专著、教材8部：承担省部级科研项目及横向项目10余项；获实用新型专利2项；获省级科技进步奖3项；获科研、教学方面的各种奖10多项；2006年获省级师德标兵。
杜京义：副教授，男，硕士生导师，2007年获西安科技大学安全工程博士学位。讲授过硕士和本科各层面的专业课程4门。在国内外公开发表学术论文30余篇，其中被EI和ISTP检索10多篇；出版教材1部；承担省部级科研项目及横向项目10多项；获发明专利1项，实用新型专利1项；获省级科技进步奖1项。

《基于核方法的故障诊断理论及其方法的研究》的主要内容是基于核的机器学习的理论和方法研究及其应用，正文中所提出的和改进的学习算法属于基于核的机器学习范畴，且分别属于监督学习和非监督学习。其中第3、4、5章为非监督学习的单值的支持向量机（SVR）内容；第2章及第6、7章为监督学习的基于最小风险的SVM系统部件故障诊断，基于SVR模型预测以解决整体系统故障诊断；第8章核矩阵的逼近可以作为一种样本预处理技术，应用于基于核的机器学习算法。《基于核方法的故障诊断理论及其方法的研究》对主要的方法均给出了理论证明，关键的算法配套有开发的程序（见附录）。
《基于核方法的故障诊断理论及其方法的研究》可供自动化、信息、测控、机电一体化等学科的研究生选用或参考，并可作为相关专业技术人员的参考书。

第1章 核方法及其研究基础 1.1 核函数的定义 1.2 正则化与表述定理 1.3 几种核学习机 1.4 核方法研究背景 1.5 故障智能诊断中的机器学习 1.6 核算法与故障诊断 1.7 研究内容第2章 基于最小风险的SVM方法的研究 2.1 引言 2.2 支持向量机 2.3 基于最小风险的SVM研究 2.4 仿真研究 2.5 实验研究 2.6 本章小结第3章 单值SVM用于故障诊断 3.1 引言 3.2 单值支持向量机 3.3 模型分析及选择研究 3.4 核函数的参数确定 3.5 基于单值SVM的故障诊断 3.6 本章小结第4章 单值SVM时间滚动式学习算法的研究 4.1 引言 4.2 支持向量特点分析 4.3 时间滚动式学习算法 4.4 液压泵故障预警系统的设计 4.5 仿真实验 4.6 本章小结第5章 基于单值SVM的多故障识别 5.1 引言 5.2 几种常用的多类SVM方法 5.3 基于单值SVM的多值分类 5.4 实验研究 5.5 本章小结第6章 基于SVR的早期故障预示研究 6.1 引言 6.2 支持向量回归 6.3 SVR性能分析研究 6.4 基于遗传算法的SVR参数选择 6.5 基于SVR的故障预测 6.6 本章小结第7章 混沌背景中微弱信号检测 7.1 引言 7.2 基于SVR的微弱信号检测 7.3 仿真实验 7.4 本章小结第8章 核矩阵的逼近 8.1 引言 8.2 核矩阵的逼近 8.3 贪心算法 8.4 实验研究 8.5 本章小结第9章 结论与展望 9.1 内容总结 9.2 展望附录 开发的相关SVM程序参考文献