中医独特的诊断方法及治病疗效在我国卫生保健事业中发挥着重要作用。切脉是中医诊断的主要方法之一，随着传感器技术和计算机处理技术的发展，人们开始致力于脉诊的客观化研究，希望用现代科学技术的方法和仪器，推进中医脉诊的现代化。这是本论文的立论依据。 径向基函数神经网络（RBFNN）是一种三层前向神经网络，它通过径向基函数构成的隐含层将低维的模式输入数据变换到高维空间，从而使低维空间内线性不可分问题在高维空间内线性可分。RBFNN网络结构简单、训练简洁,在时间序列分析、图像处理和模式识别等领域有较为广泛的应用。 针对海洛因吸毒者的脉象信号与正常人脉象信号的特征差异，本文成功应用RBF神经网络和遗传算法优化的RBF网络针对15例海洛因吸毒者和15例正常人的脉象信号进行了识别。采用RBF网络识别脉象信号，选用K-均值聚类算法确定隐含层基函数中心，建立了一个40～16～1的网络模型，选取每一例脉象信号的一段特征信号作为网络的输入信号，分别采用伪逆法和最小均方（LMS）算法学习网络输出层权值。训练完成的网络对20例训练样本的识别率达100％，对10例测试样本的识别率达90％，对所有30例脉象信号的识别率高达96.7％。在30例脉象信号中仅有正常人Z10被误判为吸毒者。采用遗传算法优化RBF网络，是利用遗传算法确定RBF网络隐含层基函数的个数和基函数中心，遗传算法中种群的目标函数采用AIC准则由训练样本和测试样本的误差函数值共同构成，最终得到最优的网络结构为40～19～1，该结构的网络经过训练后，30例脉象信号全部被正确识别出来，网络的逼近和泛化能力好。 研究表明，对于脉象信号，在同样的输出层权值学习方法下，利用遗传算法确定基函数个数和中心的网络比利用K—均值聚类算法确定基函数中心的网络具有更好的逼近和泛化能力。 本论文除了对RBF网络和遗传算法的理论和算法进行推导、验证，还对神经网络的相关基础理论做了较系统的阐述，包括神经网络的结构分类、训练函数和学习算法等。