“仿生模式识别”是王守觉院士等提出的基于高维特征空间点分布形态的一种模式识别新方法，是基于“认识”事物而不是基于“区分”事物为目的。与传统“最佳划分”为目标的统计模式识别相比，它更接近人类认识事物的特性，故称“仿生模式识别”。它的数学方法在于研究特征空间中样本集合的拓扑性质，故亦称做“拓扑模式识别” 。

    “仿生模式识别”的理论基点在于它确认了特征空间中同类样本的连续性（不能分裂成两个彼此不邻接的部分）特性。人们在对事物的识别过程中，存在两种不同的归类过程，有一种就是是“同源”的归类过程。在引入了特征空间中同类样本的连续性规律后，对一类事物的“认识”，实质上就是对这类事物的全体在特征空间中形成的无穷点集合“形状”的分析和“认识”。

    以对多种刚体实物模型作为识别目标（狮、虎、坦克、汽车等等）的全方位识别问题作实际考核实例，以国际上新发展并公认处于优势地位的支撑向量机（SVM）识别方法作比较对象。比较结果说明，仿生模式识别效果比支撑向量机好得多。以ORL人脸库做人脸识别效果作比较，仿生模式识别的识别效果也大大优于支撑向量。