近年来，模式识别在更多的学科和技术领域得到应用，是人工智能研究领域的重要分支，又是实现机器智能必不可少的技术手段。随着小波理论的不断完善，小波分析已经渗透到各学科领域。小波和脊波变换在模式识别上的应用还处于不成熟阶段，本论文的主要目的是去研究他们在模式识别方面的应用。 文中首先介绍了模式识别的研究背景，描述了模式识别的基本概念、应用以及国内外研究动态，阐述了模式识别技术的典型方法。论文第二章介绍了小波变换理论，分析了小波变换的特点，多分辨率分析的思想。 论文第三章基于多小波和神经网络的手写数字识别，首先介绍了多小波的定义和特点，人工神经网络的学习方法，如何把神经网络应用到模式识别中。对手写数字的轮廓进行正交多小波基延拓，得到不同层的分解尺度，然后把小波基系数输入神经网络进行识别。通过大量的实验数据分析，多小波神经网络在手写数字识别中取得了很好的效果。 论文第四章基于脊波变换的模式识别，重点介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的理论、单尺度脊波变换及其实现方式，讨论了基于脊波变换的模式识别思想。提出了两种使用脊波变换提取特征的算法，为了使特征具有旋转不变性，运用了傅立叶频谱和小波周期旋转。这两种算法对噪声有较强的抗干扰性，大量实验数据表明这两种算法在模式识别应用中是个不错的选择。 最后一章，重点讨论了模式识别的发展趋势和存在的问题