高斯过程 (Gaussian Process) 是近年来发展起来的一种机器学习方法, 有着严格的统计理论基础, 具有强大的学习及泛化能力, 对于高维数、小样本、非线性等复杂问题具有良好的适应性, 与其他机器学习方法相比, 具有容易实现、超参数自适应获取、非参数推断灵活以及输出具有概率意义等优点, 现已成为机器学习领域的研究热点, 在诸多领域中得到了广泛应用。本书首先较为系统全面地介绍了高斯过程回归、高斯过程分类的基本理论及实现方法, 通过丰富的算例和公开的源程序代码, 读者可很容易地理解高斯过程原理并将其应用于自己的研究领域; 然后, 通过丰富的工程应用实例, 将高斯过程机器学习方法应用于土木水利工程中边坡变形非线性时间序列预测、地下工程岩体非线性行为预测与识别、水利工程复杂系统状态预测与识别、结构可靠性分析及结构优化设计等领域。并列题名：Gaussian process for machine learning and its applications in engineering eng