提出的SSGAMLP（SmallSetGeneticAlgorithmMultilayerPerceptron）模型，是针对MLP模型易陷入局部最优，且模型泛化性不好，而遗传算法可以跳出局部最优，但是种群个体数较多，却带来运算复杂度的提高，目的是为了克服以上不足，将遗传算法与MLP模型相结合，将MLP模型节点的向下连接权值看成是低层向高层的映射，因此每个节点（包括权值和阈值）可以看成是一个特征表达，即遗传算法的基因表达，同时个体MLP模型训练使用的随机样本子集以及算法的交叉变异，相当于引入随机因子，存在获得未知特征表达的可能性。实验基于MNIST数据集，印证了SSGAMLP模型在性能