همه ما در جهان پیرامون خود با حجم عظیمی از داده‌های مختلف سر‌و‌کار داریم. تصاویر، فیلم‌ها، متن‌های متنوع در شبکه‌‌های اجتماعی گوناگون، داده‌های جمع‌آوری‌شده به‌وسیله گوشی‌های همراه هوشمند، سنسورهای دما و کنتورهای اندازه‌گیری آب، برق و گاز تنها بخش کوچکی از این داده‌ها هستند. این داده‌ها حاوی اطلاعات با ارزشی هستند و استخراج این اطلاعات به‌وسیله ماشین و الگوریتم‌های رایانه‌ای به‌صورت خودکار موضوعی اجتناب‌ناپذیر است. اطلاعات استخراج شده در تصمیم‌گیری‌های مختلف مانند شناسایی، آشکارسازی، دسته‌بندی و یا خوشه‌بندی الگوها استفاده می‌شوند. اغلب داده‌ها رفتار تصادفی دارند و در‌نتیجه آشنایی با رفتار آماری داده در طراحی یک سیستم شناسایی الگو حایز اهمیت است. اطلاعات آماری این داده‌ها در تابع توزیع احتمال آنها نهفته است. تخمین تابع چگالی احتمال به روش‌های مختلف پارامتریک و غیرپارامتریک امکان‌پذیر است. داده‌های جمع‌آوری‌شده ممکن است حاوی ویژگی‌های زاید بسیاری باشند که استفاده از همه‌ آنها نه تنها برای تصمیم‌گیری مفید نیست، بلکه استفاده از آنها به افزایش بار محاسباتی منتهی می‌شود. در اینجا است که روش‌های مختلف کاهش بعد از جمله انتخاب ویژگی و استخراج ویژگی مفید خواهند بود. فضای ویژگی کاهش پیدا‌کرده می‌تواند برای یک تصمیم‌گیری نظارت‌شده مثل طبقه‌بندی داده‌ها در کلاس‌های مختلف شناخته شده و یا یک تصمیم‌گیری بدون نظارت مثل خوشه‌بندی داده‌ها در گروه‌های ناشناخته استفاده شود. همچنین در کاربردهای مختلفی که به پیشگویی یک پدیده و یا پیش‌بینی رفتار یک داده در آینده نیاز داریم، روش‌های مختلف رگرسیون به ما کمک خواهند کرد. کتاب « شناسایی آماری الگو: مبانی و روش‌ها» در برگیرنده مفاهیم و اصول شناسایی آماری الگو، آشنایی با بردارهای ویژگی تصادفی و تخمین پارامترها، آزمون فرضیه، روش‌های پارامتریک و غیر‌پارامتریک تخمین تابع چگالی، روش‌های متنوع طبقه‌بندی، ادغام داده و ترکیب طبقه‌بندها، انتخاب ویژگی، استخراج ویژگی، ارزیابی کارایی، رگرسیون و خوشه‌بندی است. این کتاب که برای تدریس درس شناسایی آماری الگو در مقاطع تحصیلات تکمیلی تالیف شده است، می‌تواند به‌وسیله تمام علاقه‌مندان و پژوهشگران در حوزه شناسایی الگو و یادگیری ماشین استفاده شود.