现代脉象研究证实,脉象的形成,主要取决于心脏的功能、血管的机能、血液的质和量,脉象首先可显示这三方面因素的病变,其次可据其推断其他的病变。显然,脉象是有其客观存在因素的。是以确实可以通过分析脉象信号而达到辨明人体的病变。但是,脉象学多年来一直处于依赖语言表述和经验传授的阶段,有待进一步的深入研究、规范和统一,以促进其向客观、准确、科学、现代化发展。本论文在对人工神经网络(Artificial Neural Network, ANN)的基本概念、结构分类、训练函数和学习算法等基本理论进行详细阐述的基础上重点讨论了径向基函(Radial Basis Function, RBF)神经网络的相关性质,并使用RBF神经网络对22个正常人与22个海洛因成瘾者的脉象信号进行了分析和辨识。径向基函数神经网络(RBF Neural Network, RBFNN)是一种三层前向型神经网络模型,具有良好的非线性全局逼近能力,而且结构简单,学习速度快,计算量少,目前已成功应用于模式识别、系统设计、函数逼近、信号处理、自适应滤波、非线性时间序列预测等方面。蚁群聚类(Ant Colony Clustering, ACC)算法与粒子群优化(Particle Swarm Optimization, PSO)算法同属于群智能计算。本文针对ACC经典LF算法存在收敛速度慢的缺点,提出了一种改进的方法。使用这种方法设计了用于区别正常人与海洛因成瘾者脉象信号的RBF神经网络,利用粒子群优化算法对网络的权值进行优化。并且与使用k均值聚类法设计的网络进行了性能比较。最后对实验结果进行分析。