1模式和模式類：模式即描繪子的組合，模式類是一個擁有某些共同性質的模式族。用機器完成的模式識別包括對不同的模式分配各自所屬類的技術——這種技術是自動的並且儘可能地減少人的介入。

2基於決策理論方法的識別：使用決策理論方法的識別是基於使用決策函式的識別

匹配：基於匹配的識別技術通過一個原型模式矢量表示一個類。一個未知模式被賦予一個按預先已定義的度量與其最相近的類。最簡單的額方法是最小距離分類器，這種方法如其名稱所暗示的一樣，要計算（在歐幾里得空間中的）未知量和每一個原型向量之間的距離，選擇其中的最小距離來決策。就每個模式類的均值而論，當均值間的間距與每一類的分開度或隨機性相比很大時，最小距離分類器的分辨效果是很好的。

最佳統計分類器：大多數處理測量和判斷物理事件的場合，對概率的考慮在模式識別中變得十分重要。因為，在這種情況下通常會產生隨機的模式分類。

神經網路：它基於使用樣本模式來估計每個模式類的統計引數，最小距離分類器完全由每個類的平均向量確定。同樣，具有高斯密度的貝葉斯分類器完全由每個類的平均向量和協方差矩陣確定。用於估計這些引數的模式稱作訓練模式，一系列從每個類中得到的這類模式稱作一個訓練集合。使用訓練集合得到判別函式的過程叫做學習或訓練。

3結構性方法

串的語法識別：語法方法為處理結構識別問題提供了一種統一的方法。基本上，語法模式識別的主要思想是規定一個模式基元集合、一個規定模式基元相互間關聯的規則集合（採用語法的形式）和一個識別器（稱為自動機），識別器的結構由語法規則集合決定。