起源于幼发拉底河和底格里斯河,以现代伊拉克和北叙利亚为中心的古西亚两河流域是人类文明的发祥地之一,从这一地区出土的数以万计的楔形文字文献是目前所知的世界上数量最多的、时间最早的记载当时人类活动的文字材料。对这种以楔形笔画组成的神秘文字的成功破译,标志着以两河流域文明出土文献为研究对象的新学科—亚述学的建立。大量的原始文献为亚述学学者们提供了前人所不知晓的极其丰富的第一手信息,但由于受到当时的书写材料等历史条件的限制,以及手写体的因人而异,造成了文字标准的不统一,后经时间的推移,使得出土文献中部分缺失,对研究亚述学学者们构成了极大的挑战。采用径向基函数(RBF)人工神经网络对文献中的文字进行识别,使之标准化,其高度容错性可以对缺失文字进行很好的修补,定义特定的模糊模式,找出字义序列的规律,给研究古文明的学者创造了良好的条件。本文以介绍亚述学为开篇,前半部分详细的介绍了楔形文字的起源和发展过程,特别是楔形文字在演变过程中所形成的特有的钉头字以及形成其基本组成图素(组成文字的基本偏旁部首)。接续这些内容,本文主要介绍RBF人工神经网络,详细的讨论了RBF人工神经网络所涉及的重要主题。这些主题包含RBF人工神经网络的拓扑结构,采用的人工神经元,网络的训练算法、训练过程等。在本文的后半部分着重提出处理苏美尔楔形文字图片的模糊模式:从苏美尔楔形文字中提取全部基本图素,选定符合要求的特有基本图素,定义其角度和缩放比例等属性,进行模糊化处理。采用定义属性且未模糊化的基本图素,对原始苏美尔楔形文字图形选定点和矩形区域匹配,当匹配精度达到预期要求时,使用定义属性且模糊化的基本图素替换原始文字图形中相应的矩形区域。在对模糊模式进行详细介绍后,本论文将重心放在采用RBF人工神经网络对苏美尔楔形文字识别的算法模型,采用模糊模式的训练样本。在使用此模型来识别标准苏美尔楔形文字碑刻体字库和古西亚苏美尔人刻画在石碑上的苏美尔楔形文字且达到了可观的识别比例,为模型运用至实际应用中提供了论证依据;匹配算法过程中形成的字义序列在当今高度信息化的时代也有着重要的使用价值。