机器学习是人类使用计算机来模拟人脑学习能力并赋予计算机智能的一种手段。机器学习是人工智能研究中的重要一环，它的研究对人工智能和机器人技术的发展具有重要的意义。同时，机器学习的任何进展也可能对脑科学的研究起到促进作用，并推动脑科学研究的进一步发展。 本文正是从机器学习的角度来研究几种典型的模式识别算法，并结合我们实验室实际采集的植物叶片数据来开展植物物种分类学的研究，全文的主要工作包括如下方面： 1)提出了一种基于数据空间结构的椭球学习算法。该算法首先提取数据的内在特征结构，根据结构对数据进行排序划分，最后对每个划分使用一个椭球来表示。实验结果表明，我们的方法可以对原有数据进行很好的划分，生成的椭球可以很好地表示原有的数据。结果有序椭球学习所得到的模型可以用来实现未知模式的分类与识别。此方法对生物特征识别具有很高的实用价值。 2)提出一种新的结合椭球和最近邻方法的混合识别算法，这种算法可以在不显著提高识别时间的情况下提高识别精度。 3)建立了一套植物分类软件系统，在这个系统中超球、椭球模型得到了成功应用。