系统介绍模式识别的基本概念、理论体系、典型方法以及实际应用实例，强调基础性和实用性，同时兼顾学科发展的**动向，包括了各种典型方法在R和Matlab环境下的现有程序和应用方法，并包括了对针对大数据应用的模式识别方法的讨论。

张学工，1989年毕业于清华大学，1994年获得博士学位，现为清华大学自动化系教授，清华信息科学与技术国家实验室（筹）生物信息学研究部主任，主要研究方向是模式识别与机器学习、生物信息学与计算生物学。已经在国内外重要期刊发表论文200多篇，出版教材2部、译著2部，曾获国家科技进步二等奖，2006年获得国家杰出青年基金，2009年获***教学成果一等奖，所开设的《模式识别基础》课程2007年被评为***精品课。

前言 一转眼十年又过去了，十年前在出版本书第3版时，我曾经感慨信息时代的到来，而从那以后的这十年，我们则深刻感受到了智能时代的来临。清华大学出版社的老师告诉我，《模式识别》第2版和第3版到目前已经共印刷了38次，总发行量超过10万册。在我平时的工作中，时常收到采用本教材授课的高校教师的问题和建议，也收到一些读者反馈。我要特别感谢这些老师和读者对本教材长期的支持和关爱，也很高兴看到这本教材为这个蓬勃发展的学科贡献了一份力量。 21世纪的前20年，见证了模式识别、机器学习和人工智能学科的飞速发展。这一点从本教材各个版本使用情况的演化也可见一斑。从边肇祺先生主持编写的《模式识别》第1版到边肇祺、张学工共同编写的《模式识别》第2版，当时的读者主要是直接从事本领域研究的教师、研究生和科技工作者，而《模式识别》第3版的读者已经扩展到各个专业对本领域感兴趣的教师、研究生、本科生和科技工作者。模式识别类的课程最开始是少数院校在自动化系、计算机系等开设的研究生专业课，现在已经成为很多院系的研究生专业基础课，很多学校和院系开始把模式识别和机器学习类课程作为本科生专业必修课和全校性选修课。在我自己这些年的本科生课堂上，选课同学不但来自计算机、自动化、电子、软件等信息类专业，还有大量同学来自数学、物理、生物、医学以及各种工程类、机械类、管理类专业，也有同学来自建筑学院、美术学院和心理学、社会学、语言学等专业。这一方面说明了各专业同学数理基础和计算机基础的普遍提高，另一方面更从一个侧面映射出了这一学科受欢迎的程度。 从学科本身看，最近十年最大的发展当属深度学习和机器...