被动声纳信号的目标识别一直是困扰着水声领域的难题,多年来无实质性进展.模糊神经网络是近年来神经网络研究的热点之一,它融合了神经网络和模糊系统的优点.如何将两者结合于具体的识别系统以提高系统性能是该文的主要研究目的.该文的主要工作是对模糊神经网络在模式识别中的应用进行了系统的总结,并将其运用于声纳目标识别领域中,最终收到了良好的效果.论文主要内容包括五章.第一章简要介绍了模糊集的理论.第二章讨论了基本的模糊神经元和模糊神经网络结构,并证明了(︿,﹀)函数在实数域内几乎处处可微,然后给出了其相应的模糊Δ规则.第三章介绍了几种具体的用于模式识别的模糊神经网络.其中包括了模糊聚类算法、模糊学习矢量量化算法、超盒分类法、模糊自适应谐振理论模型和模糊前馈网络模型.第四章给出了作者所研究的模式识别系统的框架.其中具体的分析了特征抽取/选择和分类器性能评价.第五章基于具体的拖曳线列阵目标,给出了模糊神经网络的识别结果,然后又进一步的对识别系统的在线学习特性和泛化性进行了深入的研究.实验结果表明,作者所选用的模糊自适应共振映射场网络模型在识别率、泛化性、学习速度和在线学习特性上超过了传统的识别网络模型.