本文在研究图像目标识别特别是汉字识别的基础上讨论了有关模式识别协同方法的研究。在结合车牌汉字识别的应用实例中主要对协同学的学习算法，网络优化，不变性研究等方面展开的研究，主要包括以下几方面的工作： 1. 学习算法的研究。在详细分析了协同基本理论和协同神经网络的构造原理和运作机制的基础上，对协同学习算法进行了全面的分析。 2. 协同网络优化的研究。分析了序参量和注意参数的意义及二者之间的关系，并对于不平衡注意参数对势函数吸引域的影响给出了定性分析。 3. 协同不变性识别的研究。根据不变性识别的特点首先引入协同学基于Fourier变换和复对数坐标映射的方法处理模式的刚体运动情形，并给出了一些例子。 4. 具体应用实例。针对汉字的特殊性，讨论了它的结构特征和统计特征，并根据这些特征对汉字进行了分类，分类结果符合人类感知特征，充分说明了特征提取的有效性。随后提出了分级协同神经网络模型以用于汉字的识别应用，实验结果令人满意。最后就协同神经网络与传统神经网络进行了分析讨论，充分说明了协同神经网络在网络构造和识别性能上均优于传统神经网络，且其最大的优点是没有伪状态。