廣義地說，在時間和空間中存在的可觀察的事物，若可區(qū)別它們之間是否相同或者相似的信息，皆可稱之為模式。模式所指的并非事物本身，而是從事物中獲取的信息。因而，模式通常反映為具有時間或空間分布的信息。而識別出特定客體所模仿的標本就是模式識別。狹義地說，模式是通過觀測具體的個別事物而獲取的具有時間和空間分布的信息。擁有某些共同特性的模式的集合稱為模式類。模式識別就是對一些自動技術進行研究，借助這些技術，計算機可以自動地(或者靠人進行少量干涉)將待識別的模式劃分到其所屬的模式類中。

由前述可知，可通過定量描述和結構性描述兩種方法來描述模式。定量描述的方法是通過一組數據來描述模式。結構性描述的方法是用一組基元描述模式。相對于兩種模式的描述方法，有統計模式識別方法和結構(句法)模式識別兩種模式識別的方法。在統計模式識別方法中，用特征參數把每個樣本表示成多維空間中的一個點，按照“物以類聚”的道理，同類或相似的“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，我們就可以依據各個點之間的距離或距離的函數進行判別、分類，并根據分類結果來預測未知;結構模式識別是用符號串(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。

模式識別系統的組成主要包括由五個部分：即信息獲取、預處理、特征抽取、分類器設計和分類器，具體如圖所示。