模式识别是机器学习中的一个重要领域，其主要研究内容是如何从数据中自动提取出有用的信息，并对这些信息进行分类、聚类等操作。模式识别的主要应用包括图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断、数据挖掘等方面。
模式识别的系统过程主要包括特征提取与选择、训练学习和分类识别。其中，特征提取是模式识别中的一个关键步骤，它的目标是从原始数据中提取有用的信息。常用的特征提取方法包括基于像素点的特征提取、基于边缘的特征提取等，同时，深度学习特征提取也是目前非常流行的方法，可以利用深度神经网络来自动学习特征表示。
在模式识别中，训练学习是通过给定输入输出样本来训练模型的方法，而分类识别则是利用训练好的模型对新的输入数据进行分类或识别。
与机器学习相比，模式识别的应用范围更广，包括很多经典领域，如信号处理、计算机图像与计算机视觉、自然语言分析等。而机器学习则是人工智能领域最基础也是人气最高的技术之一，其应用范围也在不断扩大。
总的来说，模式识别是机器学习中的一个重要分支，其主要研究如何从数据中提取有用的信息并进行分类、识别等操作，具有广泛的应用前景。