本书简要介绍了四类常用的单类分类器，重点介绍了基于信息理论学习的单类分类特征提取、鲁棒单类分类器和单类分类器集成，主要包括基于正则化相关熵的异常检测特征提取、基于可缩放hinge损失函数的鲁棒单类支持向量机、基于鲁棒AdaBoost的单类支持向量机集成、基于Renyi熵多样性度量的SVDD选择性集成。另外，本书还介绍了基于深度学习的异常检测方法，并以基于支持域的单类分类器为基础，讨论了单类分类的主要问题。并列题名：Theory and algorithm of one-class classification eng