本书作为该领域入门教材，在内容上尽可能涵盖模式识别基础知识的各方面，全书共分为9章，第1章介绍了模式识别的基本概念、模式识别系统的组成；第2章介绍了模式识别中的线性分类器；第3章介绍了模式识别中的贝叶斯分类器；第4章介绍了模式识别中的概率密度函数估计；第5章介绍了模式识别中的典型的分类方法；第6章介绍了模式识别中的特征提取与选择；第7章介绍了模式识别中常见的聚类方法；第8章介绍了深度学习中卷积神经网络和循环神经网络；第9章介绍了模式识别的一些典型应用以及当前流行的大模型技术和生成式技术。除第1章和第9章外，每章均附有Python实现的相关算法，并且每章提供相关习题，以便读者巩固所学知识。