La Reconnaissance de formes (RdF) traite de l’apprentissage du processus de reconnaissance et de la prise de décision automatique. Reconnaître une forme c’est doter une machine de la capacité d’assigner un nom à cette forme à partir des informations descriptives qui lui ont été fournies par l’environnement. C’est-à-dire que ces méthodes et techniques ont vocation à intervenir dans la quasi totalité des domaines d’intérêt de l’être humain. Le problème fondamental est toujours relié à la cueillette de données représentatives de l’environnement dans lequel un tel système devra évoluer.
En pratique, cette condition n’est jamais rencontrée, et un système peut donc être confronté à des données qui sont bruitées et/ou incomplètes.
De nombreuses disciplines scientifiques sont à l'origine de l'essor de ce domaine scientifique notamment, la statistique, la linguistique, l'informatique, etc… Par la suite, la RdF s'est enrichie de l'apport des méthodes d'analyse des données et de classification automatique.
Depuis l'origine, de nombreuses méthodes différentes de RdF ont vu le jour. Elles sont classiquement regroupées selon trois catégories d'approches: les approches statistiques, les approches structurelles et syntaxiques, et les approches hybrides.
Ce cours a pour objectif essentiel de présenter la théorie et les outils de la RdF qui se rattachent à ces différents aspects dans le cadre des applications faisant appel à l’apprentissage automatique.