随着计算机的飞速发展和信息时代的到来，统计学习理论在机器学习领域中的地位也正在变得越来越重要。统计学习是研究利用经验数据进行机器学习的一种一般理论，近些年来正在越来越多的计算机应用相关领域中起着关键作用。本文应用最新的统计学习理论，针对人脸图像处理、信息检索以及数据挖掘中的若干问题进行了细致的研究。 人脸定位和人脸跟踪问题是当前人脸图像处理中的热点研究方向，统计学习理论中的图模型理论在其中有着广泛而重要的应用，本文的第二章和第三章即在这两个方面做了一些研究。本文在第二章中主要讨论了多姿态的人脸定位问题。其中，首先针对人脸图像提出了一种新定义的边缘纹理信息，然后对人脸定位问题给出了一种新的图模型描述。在新提出的图模型中，充分的利用了边缘纹理和形状信息这两种具有相互增强的特性的观测信息，并且基于期望最大化算法给出了一种快速而且鲁棒的参数优化算法。在第三章中，本文针对人脸跟踪问题提出了一个新颖的多层次的动态贝叶斯模型，来刻画人脸跟踪问题中人脸姿态变化的隐含变量和观测信息之间的因果推理关系。在新的动态贝叶斯模型中，对目标人脸的状态空间和观测空间建立了鲁棒的动态映射，并且基于结构分解的策略对这个复杂的动态贝叶斯模型给出了一种易于求解的参数优化算法。 在本文的第四章和第五章中，针对最新的统计学习理论在信息检索和数据挖掘研究领域的若干应用做了一些研究。其中，第四章中研究的文本的自动摘要问题和第五章的关联规则的挖掘问题不仅在当前的信息检索和数据挖掘研究领域中处于重要的地位，同时也具有很大的实用价值。在第四章中，基于自然语言处理中的统计语言模型，尝试为文本的自动摘要提出了一种客观的评价准则，并且基于该准则给出了一种全新的文本自动摘要的算法。实验证明，这种新的算法可以和当前流行的各种文本摘要算法相媲美。在第五章中，针对传统的关联规则的挖掘常常受困于数据集合的稀疏性质，从而导致很多潜在的有价值的关联规则不能被有效的挖掘出来的疑难问题，提出了一种关联知识传播模型，充分利用了不同类别数据对象之间的关联知识的相互传递并且增强的特性来帮助挖掘潜在的关联规则。实验验证了这种关联知识传播模型比传统的关联规则挖掘算法具有更好的克服数据稀疏的能力。 本文针对最新的统计学习理论在人脸图像处理、信息检索和数据挖掘中的应用做了一些有效的尝试，提出了一系列新颖的学习算法，并且在各自的实验中取得了很好的效果。其中，基于图模型和动态贝叶斯模型的算法框架对于其他类似的问题的建模具有很好的启发作用；而文本的自动摘要的客观标准将有可能很好地推动文本摘要算法的研究发展；同时，新提出的文本自动摘要算法和基于知识传播的关联规则的挖掘算法都具有很好的实用前景。