模式识别(Pattern Recognition)这个词对许多人来说很陌生，然而实际上
人类却在日常生活的每个环节，从事着模式识别的活动。可以说每个有正常
思维的人，在他没有入睡时都在进行模式识别的活动。坐公共汽车找汽车站，骑车判别可行进道路，对观察到的现象作出判断，对听到的声音作出反应，判断东西的好与坏以及水果的成熟与否等等都是人们判断是非，判别事物的过程。但是对
模式识别这个词就显得陌生而难以理解了。确切地说，模式识别在这里是针对让计算机来判断事物而提出的，如检测病理切片中是否有癌细胞，文字识别，话语识别，图像中物体识别等等。该学科研究的内容是使机器能做以前只能由人类才能做的事，具备人所具有的、对各种事物与现象进行分析、描述与判断的部分能力。
模式识别这个词大概很少听说，主要是由于这个词是Pattern Recognition翻译来的，通俗一点讲究就是机器识别，计算机识别，或机器自动识别。
Pattern这个词翻译成模式，就是要让机器自动识别的事物，如一个具体数字，是印刷体还是手写体。识别的结果就是给他分类，分到具体的数字类中。对数字来说，其结果可表示成它的相应代码，如ASCII码。对于一个
智能交通系统来说，是要识别是否有汽车闯红灯，闯红灯的汽车车牌号码等。要让机器能识别、分类，需要研究识别的方法，这就是这门学科的任务。 人类在观察事物与作出判断时，常常把所见到的具体事物与脑子里对某个事物的“概念”联系起来，从而按这些概念对它们实行分类。人们能将所见到的具体的、外表各异、各具特色的汽车与脑子中已形成的“抽象”的汽车概念联系起来，并能明确地分辨汽车与拖拉机、坦克车等之间的不同之处，实现正确的分类。拿模式识别的术语来说，所见的具体事物是样本，而它们所属的事物类别，代表这些事物的“概念”是模式。也有另一种说法把所见到的事物称为模式，而将它们的归属类别称为模式类。因此模式这个词，有时则代表类别事物的称呼，而有时则强调具体事物，其具体含义依上下文关系而定，一般不会产生混淆。
与人辨别事物相比，机器识别事物的方法是很不同的，也是很简单与低级的，因此机器识别事物的能力还很差。这主要的原因是人们在学习与认识事物中会总结出规律，并把这些
规律性的东西
抽象成“概念”。人之所以能“抽象出概念”，关键能分析事物中哪些是
本质，哪些是表面现象，或由偶然因素引起的。但机器的抽象能力是很差的。要让机器准确地把握事物的本质，弄清分辨事物的关键，从而正确辨别事物，实质上是要使人能够研究出好的方法，提出好的算法，从而构造出好的系统，使机器辨别事物的本领更强。
模式类与模式，或者模式与样本在集合论中是子集与元素之间的关系。当用一定的度量来衡量两个样本，而找不出它们之间的差别时，它们在这种度量条件下属于同一个等价类。这就是说它们属于同一子集，是一个模式，或一个模式类。而不同的模式类之间应该是可以区分的，它们之间应有明确的界线。但是对实际样本来说，有时又往往不能对它们进行确切的划分，即在所使用的度量关系中，分属不同的类别的样本却表现出相同的属性，因而无法确凿无误地对它们进行区分。例如在癌症初期，癌细胞与正常细胞的界线是含糊的，除非医术有了进一步发展，能找到更准确有效的分类方法。
让机器辨别事物的最基本方法是计算，原则上讲是对计算机要分析的事物与作为标准的称之为“模板”的相似程度进行计算。譬如说脑子里有没有瘤，就要与标准的脑图像以及有瘤图像做比较，看跟哪个更相似。要识别一个具体数字，就要将它与从0到9的样板做比较，看跟哪个模板最相似，或最接近。因此首先要能从度量中看出不同事物之间的差异，才能分辨当前要识别的事物(称为测试样本)跟哪类事物更接近。因此找到有效地度量不同类事物的差异的方法是最关键的。