在自然界，生物体依靠发达的学习和信息处理能力得以在动态竞争的环境中生生不息的繁衍。因此，大自然已成为许多科学与技术发展的灵感之源。生物信息处理可分为脑神经系统，免疫系统和内分泌系统三种类型。其中免疫系统是一个在许多智能计算应用领域中具有巨大潜力的并行自适应系统，因其展现出识别、特征提取、多样性、学习、记忆、分布检测、自调节等特点。 本文主要受生物免疫系统启发，从模式识别的角度探讨一类模糊人工免疫网络。首先介绍了模式识别领域的一些新方法，指出整合这些新方法必将开辟模式识别发展新局面。其次，结合生物免疫系统介绍了几个可用于信息处理方面的特点。随后对已有的三个典型的人工免疫网络进行了对比分析。在充分认识到生物信息系统处理问题模糊性的基础上，借鉴已有的成果(主要是在Castro基础上)，构造了具有一定结构与功能的独特型模糊免疫识别球作为抗体，基于生物免疫系统二次应答特性提出一种对具有复杂形状分布且边界不清晰的数据进行聚类的模糊进化人工免疫网络。最后，研究了径向基(RBF)神经网络用于函数逼近隐层中心点选择这一问题，将本文提出的聚类算法稍加改变后用于RBF中心的选择，相关试验说明算法是有效的。