Mustererkennung ist die Fähigkeit eines Systems, Muster innerhalb von Datensätzen zu erkennen, wobei es sich sowohl auf programmiertes als auch auf erlerntes Wissen stützt. Dies ist ein wichtiger Teil der Informatik, weil es die Entwicklung von Systemen ermöglicht, die in der Lage sind, komplexe Daten zu analysieren. Dies kann Forschern helfen, Daten schnell zu sortieren, um aussagekräftige Informationen zu finden, da sie die Daten nicht manuell durchlesen müssen, um Points of Interest zu finden. Die Mustererkennung kann auch nützlich sein, um Fehler, Betrug und andere Probleme in Datensätzen zu erkennen.
Dies unterscheidet sich vom Musterabgleich, bei dem das System Materialien unter Verwendung einer bekannten Datenbank genau abgleichen kann. Ein klares Beispiel für diese Unterscheidung sind E-Mail-Filter. Viele webbasierte E-Mail-Konten werden mit einem Spam-Ordner geliefert. Der E-Mail-Anbieter scannt eingehende E-Mails und verwendet eine Mustererkennung, um Spam zu identifizieren und in diesem Ordner abzulegen. Der Benutzer kann auch seine E-Mails filtern und den Client bitten, E-Mails von einem bestimmten Absender oder mit bestimmten Inhalten in einem bestimmten Ordner abzulegen.
Die Prüfung auf Spam erfordert die Fähigkeit, allgemeine Muster wie das Vorhandensein bestimmter Wörter, bekannte verdächtige IP-Adressen und andere Warnsignale zu erkennen, die einen Brief als unecht markieren können. Dies ist fortgeschrittener als ein Filter, der das System einfach auffordert, Muster abzugleichen. Wenn das System ein Wort oder einen Absender sieht, das dem Muster entspricht, kann es die E-Mail in den entsprechenden Ordner verschieben.
Komplexe Algorithmen unterstützen die Mustererkennung. Das System kann die eingehenden Daten auf verschiedene Weise untersuchen und entscheiden, wie es am besten zu handhaben ist. Es kann so programmiert werden, dass es bestimmte Funktionen ausführt, wie z. B. das Weiterleiten verdächtiger oder beschädigter Daten an einen bestimmten Ort, die sinnvolle Klassifizierung von Daten und so weiter. Das System ist lernfähig und nutzt dies als Werkzeug, um die Mustererkennung zu verbessern. Jedes Mal, wenn ein Benutzer beispielsweise eine E-Mail als Spam markiert, scannt das System die E-Mail, um mehr darüber zu erfahren, und das System wird nicht weiterhin den Fehler machen, ähnliche E-Mails in den Posteingang zu legen.
Informatiker entwickeln neue Mustererkennungstechniken in Labor- und Forschungsumgebungen. Diese können auf eine Vielzahl von Aufgaben angewendet werden und erfordern den Aufbau neuronaler Netze, die in der Lage sind, mit Daten zu interagieren und sich im Laufe der Zeit zu verändern. Einige Programme sind extrem ausgefeilt und in der Lage, sehr detaillierte Muster zu erkennen, andere sind einfacher. Solche Programme reduzieren die Anzahl der menschlichen Arbeitsstunden, die für die Analyse von Daten erforderlich sind, und können Dinge erkennen, die ein Mensch möglicherweise übersieht, wie beispielsweise Betrugshinweise in Form von Unregelmäßigkeiten, die Tausende von Versicherungsansprüchen umfassen.