1、绪论
广义地说，存在于时间和空间中可观察的物体，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。
宏观的认为，根据事物的一组主要的有意义的特征或属性对事物的一种定量的或结构的描述称为模式。
模式类：把所见到的具体事物称为模式，把它们归属的类别成为模式类。
模式识别：研究一些自动技术，利用这些技术，计算机自动地把待识别模式分到各自的模式类中。
模式识别的目标：在特征空间和解释空间找到一种映射关系，这种映射也成为假说。
特征空间：从模式得到的对分类有用的度量属性。或者基元构成得空间。
解释空间：将C类表示为Wi∈Ω，Ω为所属类别集合，称为解释空间。
假说的两种获得方法：
（1）监督学习概念驱动，归纳假说。
1、依靠已知的所属类别训练样本集，按它们的特征向量的分布来确定假说。通常为一个判别函数。
2、对分类的模式要有足够的先验知识，通常需要采集足够的具有典型性的样本进行训练。
（2）非监督学习
在解释空间找到一个与特征空间的结构相对应的假说，这种方法试图找到一个只以特征空间中相似基础的有效假说。
1、聚类分析。
2、群间距离分类。
3、如果实现知道是几类，则效果更好。
模式识别系统的基本构成
1、数据获取：通过测量、采样、量化、可以用矩阵向量表示。这就是信息获取。
2、预处理：去噪声、提取有用信息、并对输入测量仪器或其他因素所造成的退化现象进行复原。
3、特征提取和选择
4、分类器设计：为了把待识别的模式分配到各自的模式类必须设计出一套分类判别规则。
5、分类决策：分类器按照已确定的分类判别规则，对待识别的模式进行分类判别，输出分类结果，这就是分类器的使用规则。
以上是模式识别的基本概念，后面会介绍在两种假说的具体的获取方式。