扁平足是一种在儿童和青少年群体中常见的足部畸形症状。若未得到及时的诊断和矫正,这种症状会延续到成年进而发展为一种不可逆性疾病,将给患者的正常活动带来极大的痛苦和不便,因此在儿童青少年的发育关键期对足型进行及时检查具有重要意义。随着计算机硬件和理论的日益发展,机器学习算法及其医学辅助诊断应用已经成为当前的两个研究热点。本文以这两个方面为出发点,首先研究了两类前馈神经网络,即权值与结构双确定（Weight-And-Structure-Determination,WASD）神经网络和宽度学习系统（Broad Learning System,BLS）;然后对二者进行建模并在一个足型数据集上开展模式分类研究,以实现对青少年扁平足的辅助诊断应用;最后,提出一种伪逆更新算法,并通过实验验证了使用此类算法的BLS的分类性能。本文的具体工作内容可被概括如下:（1）在深入研究WASD算法和理论的基础上,提出了一种WASD神经网络模型——镜像权值和结构双确定神经网络（Mirrored WASD Neural Network,MWASDNN）,并推导了其对应的训练算法,然后应用该模型对一个真实的足型数据集进行模式分类实验。实验结果表明MWASDNN模型具有令人满意的性能,在左足数据和右足数据上分别达到了 84.31%和85.29%的分类准确率,已经接近人类医师的诊断水平,说明所提出的模型可被用于青少年扁平足的辅助诊断。（2）通过对基于伪逆的非BP训练算法的研究,总结和构建了 WASD理论与BLS理论之间的联系,并通过大量实验对比了 BLS模型和多种WASD神经网络模型的分类性能。依据实验结果分析了 BLS相比WASD神经网络多出的结构和算法的有效性,并得出了 BLS的动态更新算法的高效性以及其性能非常依赖初始结构的局限性。最终选择出合适的BLS模型结构在足型数据集上开展模式分类,得到了优于所有WASD模型的准确率,证实了 BLS具有用于青少年扁平足辅助诊断的应用前景。此外,通过在多个基准数据集上的扩展实验发现了BLS对于各种类型数据集的广泛适用性和WASD神经网络对于处理图像数据的局限性。（3）基于Schur补和Sherman-Morrison公式推导出了两个可应用于BLS增加节点时的伪逆快速更新算法。这两个算法与原始BLS的动态更新算法采用完全不同的算法思想,但实现了相同的功能,即在原有伪逆矩阵的基础上经过少量计算获得新的伪逆矩阵,从而避免在添加节点后重新经历一轮完整的训练周期。通过对比实验证实了所提出算法的有效性,说明可将其用作原始BLS动态更新算法的可替代算法,为BLS的理论研究提供了新的方向。