机器学习是计算机科学、认知科学、数学、统计学、控制理论、人工智能等诸多学科的交叉领域。从上世纪50-60年代的感知机开始起步、经过符号机器学习、神经网络逐步发展成为包含统计机器学习、集成机器学习、强化机器学习的研究领域，并在近年来又涌现出迁移学习、流形学习、概率图模型等新的研究方向。机器学习除了自身研究范围不断延展、研究深度不断深化、基础理论逐步完善之外，其应用领域也不断扩大，甚至成为某些其他学科的基础性研究工具和支撑技术。例如，机器学习技术在软件工程、计算机网络、信息安全、生物信息学、信息检索和多媒体等领域中的成功应用，也极大推动了该研究领域的发展。然而随着研究的深入和应用的扩展，除了原有的学习泛化问题之外，也给机器学习技术带来了新的挑战。例如，大数据的问题、弱一致性假设的问题、弱标记的问题、可理解性的问题、代价敏感问题等等。专刊选题为“统计学习研究与应用”，将突出目前机器学习研究中的几个热点技术，如概率图模型、稀疏性、以及在大规模问题中的应用等等。
本专刊将收录国内外统计学习研究领域中具有创新性和突破性的高水平研究成果，并探讨其在大规模问题中的核心应用。专刊将于2013年第11期出版，读者群体包括计算机科学、人工智能、统计学及其相关学科交叉领域的研究人员和工程人员等。
3. 投稿文章未在正式出版物上发表过，也不在其他刊物或会议的审稿过程中，不存在一稿多投现象；保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)。
5. 投稿作者需提交投稿声明；专刊投稿文章不收审理费。录用刊发文章收取软件学报标准版面费。发表之后，将按软件学报标准支付稿酬，并赠送样刊。