模式识别是机器识别的一个研究领域，现已发展成一门多领域交叉的学科。针对不同的对象和目的，可以采用不同的模式识别理论和方法。人工神经网络能较好的模拟人的形象思维，并且具有容错能力强、联想能力强以及学习能力强等特点。因此将神经网络方法应用到模式识别中去解决模式识别问题，已成为国内外科技工作者广泛关注的热点。 本文首先对模式识别、神经网络以及应用神经网络进行模式识别的发展概况作了较为详细的讨论，分析了模式识别的一些基本概念和方法，指出了模式识别的困难之处，同时研究了神经网络模式识别方法，比较了它与传统模式识别方法的异同，说明了神经网络模式识别方法的优越性。并且分析了人工神经网络的理论基础，说明了神经网络模式识别方法实现的可行性。然后，讨论了BP神经网络模式识别的实现思想及不足，探讨了BP及其改进算法，着重研究了遗传算法对BP神经网络的训练方法，提出了遗传算法与BP算法相结合的GA-BP算法。最后，利用VC++和MATLAB两种语言进行混合编程，设计开发了遗传BP神经网络模式识别系统，并利用该系统对两个实际的模式识别问题进行了模式分类训练和测试，结果表明本文提出的GA-BP算法有效克服了网络训练时容易陷入局部极小值，导致网络训练失败的缺陷，提高了系统的泛化能力。