است. یعنی هر الگوی ناشناخته را بصورت نمونه با یك رشته عددی تقریب زده و آن رشته را با رشته
عددی الگوی اولیه مقایسه می كنیم. ابتدا ارائه یك عدد از نمونههای اولیه كه به كلاس مربوط به آن
نمونههای اولیه شناخته شده مرتبط است ، و سپس دسته بندی یك الگوی ناشناخته بوسیله تعیین
كردن بیشترین شباهت الگوی تصمیم گیری برای آن كلاس است كه دست یافتنی است. پس برای هر
نمونه اولیه یك عدد در نظر میگیریم كه آن عدد با كلاسهای این نمونههای شناخته شده در ارتباط
است و دسته بندی الگوهای ناشناخته بوسیله تعیین كردن بیشترین شباهت الگو و تصمیم گیری درباره
كلاس آن حاصل میشود.
در دسته بندی آماری ، نمونهها به وسیله عامل مشترك از یك تابع تصمیم گیری ارزیابی
شدهاند. پارامترها از یك احتمال توزیع شده نقاط ، در یك فضای ویژگی تعریف شده ، و مفهوم شباهت
نیز بر اساس فاصله تعریف شده است. و توابع تصمیم گیری در فضای n بعدی از اعداد حقیقی كار
میكنند. اگر ساختار الگو لازم باشد ، گرامرهای رسمی (قراردادی) یك مفهوم مفید هستند. تابع
متداول بصورت دستی یا بصورت اتوماتیك یك گرامر از یك بسته نمونه را نتیجه می دهد. بنابراین یك
الگوی ورودی ناشناخته به یك تجزیه كننده تحویل داده شده و مطابق با این گرامر تحلیل میشود. در
این روش نه فقط یك دسته بندی ، بلكه همچنین یك شرح ساختاری از الگوی ناشناخته میتوان فراهم
كرد. تحلیل گر نحوی میتواند مانند یك تابع ویژه برای تصمیمگیری شباهت ساختاری تفسیر شود.
مطابق ساختارهای دادهای متفاوت كه برای تشخیص الگو مورد استفاده قرار میگیرند ، فقط رشته