从正则化损失函数的观点出发，研究一些统计机器学习问题的理论分析、算法设计、稀疏性求解、在线学习和应用等问题。.具体来说，（1）提出了基于margin的损失函数加权方法，得到了处理不均衡数据问题新的损失函数设计方法；（2）提出了一种充分利用正包信息的多示例非凸学习算法；（3）提出一种对连续动力系统的离散化进行优化进而得到有效机器学习优化算法的思路；（4）对各种正则化损失函数学习问题提出了不同的坐标优化方法求解；最后，作为应用，提出了基于AdaBoost弹道识别和基于核的非线性盲源分离方法。.本项目总共发表论文10篇，录用论文3篇，其中IEEE Trans一篇，具有重要影响的机器学习会议NIPS和ECML各一篇。SCI检索1篇，EI检索8篇，一些成果已经被著名的国际会议和期刊引用。