本文主要是研究和分析Haken提出的协同神经网络的主要关键技术问题的改进算法的现状，提出一些改进算法，并将协同神经网络应用于淋巴瘤分类器和人脸人类器。首先我们介绍协同神经网络的基本理论，接着分析经典Haken协同神经网络的结构，将协同网络分为匹配子网和竞争子网两部分，并针对这两大子网中几个关键技术问题，研究分析现有的改进算法，提出一些新的改进算法。在原型选择方面，研究了基于遗传算法和基于C-均值聚类的原型选择算法，提出了基于近邻函数的聚类原型选择算法；在特征空间选择方面，研究了傅立叶模式空间变换和基于核函数的空间变换，提出了基于对象特征的协同模式识别；在计算原型伴随矩阵方面，研究了伴随矩阵迭代算法和求伪逆法，对它们进行性能分析；在序参量重构方面，研究了基于遗传算法序参量重构算法和若干种直接求相似度的序参量重构法，并对它们进行性能分析；在注意参数选择方面，研究了基于遗传算法和基于奖惩学习机制的注意参数选择算法，提出了若干种动态注意参数的选择算法；在改进竞争子网方面，研究了平衡参数和不平衡参数两种快速协同神经网络，并对它们进行性能对比分析。最后，应用这些改进算法提出协同分类器模型，并用该模型构造了基于协同的淋巴瘤分类器和人脸分类器，实验数据表明分类器性能良好。