该文对智能信息处理中的模糊神经网络集成方法作了系统研究.主要讨论了模糊神经网络集成方法的基本原理,以及在模式识别和图象处理中的应用.重点研究了模糊聚类神经网络、模糊神经网络分类器和基于模糊神经网络集成技术的图象分割方法.该文共分七章,主要内容如下:第一章概述了模糊神经网络集成方法的研究背景、意义和发展状况,并且介绍了它在智能信息处理中的应用情况和存在的问题;第二章讨论了模糊系统和神经网络在信息处理方法上的互补性以及在数学上的等价性,论证了两者集成的必要性和可能性;第三章提出了一种基于目标函数的模糊聚类神经网络的通用设计方法,它克服了现有模糊聚类神经网络只能处理球型分布数据的缺陷;第四章重点讨论用普通前向神经网络完成模糊分类的问题;第五章研究基于模糊神经网络混合模型的分类器的设计方法.提出了模糊ID3算法和有监督模糊聚类这两种新的样本特征空间模糊划分方法用于自动产生模糊分类规则,并且给出了相应的模糊神经网络混合模型的结构和学习算法;第六章提出了一种基于基函数神经网络的图象直方图多阈值分割法.它从函数逼近的角度研究多阈值分割问题,并且提出了一种用于高斯基函数网络训练的模糊学习算法;第七章把基于传统专家系统的图象分割方法改进为基于模糊神经网络混合系统的图象分割方法,它可以从领域专家和样本数据中获得知识,几乎可以包容任何形式的分割知识,为建造统一的图象分割框架提供了一条新的途径.