二十世纪八十年代末期，协同学的创始人哈肯教授提出了模式识别的一种新方法，即协同模式识别算法。本论文研究了此算法及其应用。文中首先介绍了协同学的基本概念及其理论，接着阐述了几种协同学的模式识别模型及其算法框架，然后系统地研究了协同模式识别的具体实施细节及其存在的问题——原型模式的选择、注意参数的设置及不变性模式识别等。在原型模式的选择上，本论文提出并实现了基于遗传算法的力度参数训练算法来训练基于信息叠加的学习算法中的力度参数，实验结果表明该算法的收敛速度较快。在注意参数设置上，本论文对基于奖惩学习机制的注意参数训练算法进行了改进，同时还探讨了在不存在识别率为100％的解的情况下SCAPAP算法中的明确的参数学习子算法，并以两类病理图像的分类为例实现了该算法，实验结果表明SCAPAP算法并不是总能很好地预测最终的识别结果。在不变性识别上，利用傅立叶变换具有的平移不变性及梅林变换具有的比例不变性，本论文提出了一种基于傅立叶变换和梅林变换的协同神经网络不变性识别算法。最后，本论文介绍了基于协同模式识别算法的病理图像分类系统的设计及其实现，该系统具有较强的鲁棒性，并且提出了一种基于遗传算法的信息叠加自学习算法来自学习被拒识别的测试样本，从而使该系统的识别能力越来越强。