随着各种物理方法和物理化学方法在化学分析中的推广应用，获取质谱、光谱、色谱和电子能谱等谱图已成了专门的学问。各种谱图包含大量的化学信息，不但可以用来鉴定未知物的成分，测定某些成分的含量，而且可以用来探讨或确定分子或固体的结构、化学键的特征等。理想的做法应当是彻底弄清各种谱图产生的机理，从而从理论上完成从实测谱图到化学成分、分子结构、化学键特征等化学信息的交换。但实际上很难完全做到这一点。以最简单的光谱——原子光谱为例，重原子的原子光谱中迄今为止多数谱线不能从理论上解释。这就不能不用经验方法对谱图做鉴别和解析工作，以达到化学分析和结构分析的目的。由于化合物种类庞杂，谱图的数据亦急剧增加，单凭少数有经验的专家来做谱图解析已不能满足需要。随着计算机人工智能、模式识别和数据库技术的发展，用计算机做谱图解析的各种方法应运而生。其中有一类方法是数据库谱图显示方法，即将大量已知化合物的谱图保存在数据库中，通过检索的方法来识别谱图。另一类方法是模式识别方法，它利用已知谱图作训练点，对未知物的谱图作分类、鉴别以及结构测定等。由于化合物种类庞杂、数目很多且每年都大量增加，单纯依靠已知谱图的存储和检索不能完全解决谱图解析问题。由于模式识别方法有某种“举一反三”的功能，能从大量已知化合物的谱图做分类工作，所以模式识别方法在谱图解析、分析化学、结构确定等方面有重要的实际意义。迄今为止，质谱、原子光谱、红外光谱、拉曼光谱、核磁共振谱、γ-射线谱、色谱、极谱等的谱图识别都已用了模式识别方法，不同程度地收到效果，这方面的研究工作是现代分析化学的前沿课题。