模式识别涉及识别模式并再次确认。通常，模式可以是指纹图像，手写草书单词，人脸，语音信号，条形码或Internet上的网页。

各个模式通常根据其属性分为不同的类别。将具有相同属性的模式组合在一起时，所得的组也是一个模式，通常称为模式类。

模式识别是用于观察，区分所关注的模式以及对模式或模式类别做出正确决策的科学。因此，生物特征识别系统通过将模式识别与存储的模板进行比较，应用模式识别来对个体进行识别和分类。

生物识别中的模式识别

模式识别技术执行以下任务-

• 分类-识别手写字符，验证码，区分人与计算机。

• 分割-检测图像中的文本区域或面部区域。

• 句法模式识别-确定一组数学符号或运算符之间的关系，以及它们如何形成有意义的表达式。

下表重点介绍了模式识别在生物识别中的作用-

模式识别的组成

模式识别技术将人类特征的随机模式提取到紧凑的数字签名中，该数字签名可用作生物学标识符。生物识别系统使用模式识别技术对用户进行分类并分别进行识别。

模式识别的组成部分如下-

模式识别中的流行算法

最受欢迎的模式生成算法是-

最近邻居算法

您需要获取未知个体的向量，并计算其与数据库中所有模式的距离。最小的距离提供最佳匹配。

反向传播(Backprop)算法

它是一个有点复杂但非常有用的算法，涉及许多数学计算。