parametry pierwotne są grupowane w podklasy i służą do rozpoznawania obrazów w lokalnych układach rozpoznających na poziomie pierwotnym. Wyniki rozpoznawania poziomu pierwotnego stają się danymi wejściowymi do poziomu drugiego itp. Często systemy złożone, wielopoziomowe, noszą nazwę hierarchicznych systemów rozpoznawania. Większość systemów rozpoznawania nie mogłoby funkcjonować bez poprzedzenia etapu klasyfikacji tzw. etapem uczenia. W zależności od posiadanych a priori danych dotyczących przestrzeni obserwacji ń, przestrzeni klas M oraz przestrzeni decyzji D, systemy rozpoznawania dzielą się na: systemy bez uczenia, systemy uczące się z "nauczycielem" oraz systemy samouczące się. Do podjęcia decyzji o przynależności obrazu x do danej klasy m, systemy bez uczenia