手写数字识别作为模式识别的一个重要分支,在邮政、税务、交通、金融等行业的实践活动中有着及其广泛的应用。而这些领域对识别的正确率有着极高的要求,同时要求有极低的误识率;此外,大批量数据处理对系统速度又有极高的要求,许多理论上完美但速度过低的方法不可取。因此,研究简单高效的手写数字识别依然是一个重要的研究方向。神经网络技术作为上个世纪四十年代初期开始兴起的一门新学科,在短短的六十年里,由于其强大的模拟非线性映射的功能,被越来越多的人所关注,也越来越广泛的应用于各个领域。用神经网络来进行模式识别的一个关键步骤就是要选取有代表性的特征向量。特征向量选取太多,会造成维数灾难;特征向量选取太少,识别率会降低。本文借鉴前人的成果,提出了自己的特征向量选取方法基于宏观、微观及参照汉字笔画的定义来提取特征向量的方法。本文还借助MATLAB的神经网络工具箱,在多层感知机中应用BP神经网络,并结合竞争型网络对手写体识别技术进行了研究,达到了较好的效果。