本书主要作为计算机学科本科生学习模式识别基本概念及基本处理方法的一门基础课程的教程，力求突出基本概念，避免繁琐的数学推导，除了必不可少的数学推导外，着重讨论各种方法的基本概念与方法。因此若有读者要深入钻研统计模式识别的理论与问题，可在此书学习的基础上阅读有关书籍。
　　第二章讨论作为统计模式识别理论基础的贝叶斯决策理论，第三章则着重讨论一些常用的模式分类方法，第四章则讨论特征的选择及特征空间维数减少的问题，第五章讨论训练样本类别未知条件下的学习问题，也称聚类问题。第六章讨论人工神经元网络，本书对《模式识别基本教程》的内容有所删改，章节编号也因此有所不同。