廣義（yì）地（dì）說，在時間和空間中存在的可觀察的事物，若可區別它們之間是否相同或者相似的信息（xī），皆（jiē）可稱之為模式（shì）。模式所（suǒ）指（zhǐ）的並非事物（wù）本身，而是從（cóng）事物中獲取的信息。因而，模式（shì）通常反映為具有時間或空（kōng）間分布（bù）的信息。而識別出特定客體所模仿的標本就是模式識別。狹（xiá）義地說，模式是通過觀（guān）測具體的個別事物而獲取的具有時間（jiān）和空間分布（bù）的信息。擁有（yǒu）某些共同特性的模（mó）式的集合（hé）稱為模式（shì）類。模式識別就是對一些自動技術進行研究，借助這些技術，計算機可以自動（dòng）地(或者靠人進行（háng）少量幹涉)將待識別的模式劃分到其所屬（shǔ）的模式類中。
由前述可知，可通過定量（liàng）描述和結構性描述兩種方法來描述模式（shì）。定量描述的方法是通過一組數據來描述模式。結構性描述的方法（fǎ）是用（yòng）一組基元（yuán）描述模式。相（xiàng）對於兩種模式的描述（shù）方法，有統計模式（shì）識別方法和結構(句法)模式識別兩種模（mó）式識別的方法。在統計模式（shì）識別方法中，用特征參數把每（měi）個樣本表示成多維空間中的（de）一個點，按照“物以類聚”的道理，同（tóng）類或相似的“樣本”之間的距離應比較近，不同類“樣本”之間的距離應較遠。據此，成版人APP网站就可（kě）以依據各（gè）個點之間的距離或距離（lí）的函數進行判別（bié）、分類，並根據分類結（jié）果來預測未知;結構模式識別是用（yòng）符號串(樹)來描述模式，它以模式的結構信息為分析對象的識別技術。
模式識別係統（tǒng）的組成主要包括由五個部分：即信息獲取、預處理、特征抽取、分類（lèi）器設計和分類器，具體如（rú）圖所（suǒ）示（shì）。
為使計算機對客體能分類識別，需要用計算（suàn）機能接受的形式（shì）表示客體，通過測量、采樣和量化（huà），能夠用矩陣或向量表示一（yī）維波形或二（èr）維圖象，這就是信息獲取（qǔ）過程。
②預處理
預處理的目的是去除噪聲，增強有用信（xìn）息，並對各種因素導致的退化現象進行複原。常用多維空間的點來表示樣本的特征參量，用（yòng）矢量（liàng）表示為：
x=(x1,x2,...xn)}
③特征抽取
從信息獲取（qǔ）部分得到的原（yuán）始數據量往（wǎng）往非（fēi）常大。為能有效實現分類識別，需要通過對原（yuán）始（shǐ）數據進行選擇（zé）或變換，獲取最能代表分類本質的（de）特征，形成特（tè）征向量，這個（gè）過（guò）程就是特征抽取。特征提取的過程（chéng）在實（shí）際應用（yòng）中通常（cháng）包括：先測試一組直觀（guān）上合理的特征，然後將其減少至數目合適（shì）的最佳集。一般（bān）情況下，不（bú）太容（róng）易建立起符合上述要（yào）求（qiú）的理想特征。
④分類器設計（jì）
為把待識別模式歸並到各自的模式類中去，需要設（shè）計一組分類（lèi）判別規則。
其基本作法為：應（yīng）用一定量的樣本作為訓練樣本集，確定出一組分類判別規則，使得（dé）根據這（zhè）組分類判別規則對待識別模式進行分類而造成的錯誤識別率（lǜ）最（zuì）小或引起的（de）損失最小。
⑤分類器
分類器根據已經確定的分類判（pàn）別規則來分類（lèi）識別待識別模式，輸出分類結果。
關注微信公（gōng）眾號