模式识别是研究图像或各种物理对象与过程的分类和描述的学科.“模式”这一概念的形成可以由演绎归纳过程而得到.首先，假定模式这一概念是观察者本身所固有的，或者假定观察者是通过对许多不完全例子的观察而抽象出这一概念的，当这些被观察的例子被标以代表一种或几种已给定的模式时，这一过程可以称为“有导师”或“有监督”的学习.如果没有这样的标记，也同样可实现行之有效的过程，称为“无导师”或“无监督”的学习.“识别”这两个字分开来解释，有“认识”和“区别”的含义.说“识别某物件”包含有这样的意思：去认识它，并且能从一堆物件中把它与别的物件区别开来.
在早期的模式识别的研究中，模式的特征被表示为一个数组，它们是对原始数据进行各种测量所得的结果.这些数据可以解释为矢量空间中点的坐标，如果特征来自同一模式的物体，就几何距离而论，其对应点总是很接近的.于是模式识别问题就变成寻找空间中一些区域的问题，这些区域上的点来源于某个单一模式，这就是分类.由于解决这类问题的方法多数基于贝叶斯（Bayes）决策统计理论，所以称这类方法为统计模式识别.应用统计决策理论进行模式识别，必须建立在能正确测量或抽取模式特征的基础上，然而统计模式识别方法不能提供对测量或抽取特征的指导.特别是在复杂模式情况下，抽取特征是相当困难的.
在20世纪60年代后期，这一困难把许多研究者引导到一个不同的方法上，即句法模式识别.这种方法的基本思想是把一个复杂模式用简单的子模式或基元递归地描述.由于这一原因，形式语言中的许多方法都可以应用.但句法方法在本质上是一种串行的操作，这一性质给句法方法的应用带来了很大的局限性.(www.xing528.com)
句法模式识别是建立在二值逻辑基础上的，而在人们的日常生活中，普遍存在着模糊概念，它们都是一些既有区别又有联系的无确定分界的概念.为了描述和分析自然界中各种模糊事物，近年来又出现一种基于连续逻辑的模式识别方法——模糊集的模式识别法.这种方法既有其数学基础（模糊数学），又更接近于人的思维方法.在模糊聚类中，每个样本不再仅属于某一类，而是以一定的隶属度分属于每一类，得到了样本属于各个类别的不确定性的描述，因而就能更准确地反映现实世界.
模式识别（Pattern Recognition）是根据研究对象的特征或属性，利用以计算机为中心的机器系统运用一定的分析算法确定其分类，系统应使分类识别的结果尽可能符合真实.而在实际问题中，系统往往借助于MATLAB软件编程实现.
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
