湘西方块苗文承载着丰富的苗族文化,为促进湘西苗族特色文化的传播和保护提供很大的实际应用价值。苗文机器识别对湘西方块苗文的传承具有促进作用,但使用机器进行方块苗文识别起步较晚,研究不够完善,因此,对湘西方块苗文机器识别的进一步研究具有一定的意义。人工神经网络是一种与人脑神经突触类似的结构进行信息处理的数学模型,且神经网络具有自动获取学习特征、自适应的能力、信息处理的优势。通过信息的不断学习,数据的分析、推理和预测等能力,神经网络常应用在模式识别、图像处理、文字识别等各项领域。因此,本文研究了三角模的模糊双向联想记忆网络的性质、贝叶斯分类的苗文图像识别和基于改进的卷积神经网络方块苗文图像识别。本文的研究工作内容如下:（1）针对基于T为三角模的模糊双向联想记忆网络模型Max-T FBAM比T为t-模的情形有更强的存储能力和通用性,从而可能有更广泛的应用性,为该类网络提出了通用的学习算法。利用文中所提出的学习算法,针对训练后的自联想模式集分析,模糊神经网络对输入的图像变化较为敏锐,且容错性较差。同时,在此基础上更进一步研究模糊双向异联想记忆网络的稳定性、收敛性及对训练模式摄动鲁棒性等。（2）针对湘西方块苗文图像数据集的问题,首先采用湘西方块苗文图像字库作为原始数据集;然后通过图像预处理,消除无关信息,保留真实信息;增强图像的可检测性和减少数据的处理,凸显出文字轮廓,提高苗文图像的识别率。最后基于图像分割和贝叶斯分类设计了一种方块苗文字符识别方法,该方法在图像预处理后设定阈值K,再对苗文字符图像进行分割,然后作矩阵变换得到特征向量,所有的特征向量形成数据集,结合贝叶斯分类方法比较输入字符特征向量和数据集所有向量,输出最相似的结果。实验结果表明,对于单个苗文字符、多个苗文字符和大小不同的苗文字符图像,该方法都能够准确的进行图像分割和识别。（3）针对在传统的卷积神经网络中提高苗文字符的识别率和准确率是一项研究难点,同时在探究传统的Le Net-5网络模型结构中,由于方块苗文结构复杂、字体种类繁多、难以进行图像识别,并且架构不够深层化、提取特征图较少、降低了计算量和运算效率等因素。为了解决这些问题,笔者拟通过加深网络结构层数、替换激活函数、增加特征图数目和减小卷积核等方法对传统的Le Net-5网络模型进行改进。将改进的网络模型应用于方块苗文图像识别,实验表明能提高方块苗文图像识别的准确率。