本文对多分类器综合模式识别的设计方法进行了研究。在多分类器综合模式识别系统的分类器集的设计上，本文分别提出了基于最小关联度和基于遗传算法的两种方法。前者以具有最小加权误识率的分类器集作为最优分类器集，后者则是通过遗传算法寻找最优特征子集来构成最优分类器集。两种方法都能提高系统的识别性能，特别当样本具有不利于识别的共有特征时，后者仍然具有较好的识别效果。本文还对多分类器神经网络综合函数的设计进行了改进，神经网络综合器不仅输入各个分类器的输出，它也输入样本的原始特征，该方法可以提高神经网络综合器的识别正确率。在多分类器选择模式识别上，本文提出了基于类样本集来动态选择分类器的方法，在每个分类器都是样本某一类别方面的专家时，这种方法较各个分类器和某些综合方法具有更好的识别性能。