本书对统计模式识别的基本理论和技术做了全面且详尽的介绍。包括用于分类器设计的重要方法和用于数据分析和预处理的关键技术。前者有基于概率密度函数估计的参数法和非参数法，基于判别函数构建的线性模型、径向基函数网络、支持向量机、投影方法（神经网络）和判别分析决策树等；后者涉及特征选择和特征提取以及聚类分析。 此外，本书还就分类器的特性测评和利用分类器的组合技术改进分类器特性等进行了较充分的讨论。并且，对模型选择、不可靠分类、缺值数据、离群值检测、连续变量与离散变量的混合等问题进行了探讨。 本书论述简明清楚、概念明确，应用实例涉及广泛、启发性强，是从事模式识别研究和应用工作的重要参考用书，也可以作为信息类研究生课程的教材。