模式识别指将对象根据其特征分入特定的类别（即模式）中，统计模式识别即利用统计学理论，主要以贝叶斯决策系统进行模式识别的技术。

其基本原理：统计模式识别方法的基本原理是用有限数量的训练样本（训练集），提取出一种或几种有效的特征，利用统计学方法建立研究对象的统计模型或某类判别函数，将特征空间划分为若干区域，进行模式识别。在实际测试中，则从测试样本中提取出同种特征，使用已经建立的统计模型或判别函数将其分入特定的类别中。

①贝叶斯分类器。利用贝叶斯公式计算出对象属于各类别的后验概率，选择具有最大后验概率的类别作为该对象的分类结果。

②K近邻法。将对象和已知类别的样本通过特征提取算法提取到特征后，在特征空间中，与对象最近的K个样本中最多的类别作为对象的类别。

③支持向量机。给定一些标记有类别的训练样本，在特征空间中，计算出某个分隔空间的超平面，使得该超平面与分类边界样本的距离最大化。

④K均值聚类。是一种聚类算法，即将相似的样本归为同类，该算法将所有样本与聚类中心的距离作为评价指标，通过迭代的方法使得总体的距离最小，得到最终聚类。

①图像识别。图像识别是统计模式识别的一大重要应用，包括遥感图像识别、物体类别识别、生物特征识别等，是多种实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域有重要的应用价值。

②视频识别。视频识别是统计模式识别近些年的一大热点，其应用包括目标检测及跟踪、行为识别、场景识别等。

③语音识别。语音识别同样是统计模式识别的一大应用，其目标是将人类的语音中的词汇内容转换为计算机可识别的输入。已广泛应用于语音检索、命令控制、自动客户服务、机器自动翻译等领域。