模糊技术作为解决事物不确定性分析的数学工具,在信息时代有着极为广泛的应用。针对空间信息运算量大、复杂等缺陷,本文从数据的提取方式以及模糊信息处理的数学模型着手,探索出了对于数据信息提取的新途径,有着极为广泛的应用范围。本文主要研究工作包括以下几个方面：第一部分：对模糊信息处理这门学科进行了详细的综述,阐述了这门学科的意义以及发展方向。第二部分：介绍了模糊数学的理论知识以及模糊神经网络的数学模型。第三部分：讨论了一种新型的模糊聚类与模糊识别数学模型。在空间信息中数据的聚类识别问题是首要解决的问题。本文优化了模糊聚类与模糊识别的数学模型,减少了主观因素对聚类中心选取的影响,大大提高了模型预测的精确度。第四部分：将模糊信息处理技术与模糊神经网络进行有机结合,改进了T-S逻辑模糊神经网络模型。针对已有模糊神经网络的模型收敛速度慢、全局逼近能力差等缺点并在研究了许多模糊神经网络结构的基础上,综合这些网络结构的优点,提出了一种结构简单、算法清晰的新型模糊神经网络模型,它具有收敛速度快、全局逼近能力强的特点。