手写体数字识别,在模拟人工智能、计算机文字处理等方面具有巨大的应用前景。世界各国的模式识别研究者都为此做出大量的研究,提出了很多图像预处理算法和识别算法。然而无论是哪一种算法都无法与人类的识别能力相媲美。这激励着模式识别工作者不断的完善目前的图像预处理算法,特征提取算法和识别算法。本文在参考大量文献的基础上提出一种新的数字图像识别算法--遗传神经网络(Genetic Artificial Neural Network)算法。此算法把遗传算法与人工神经网络算法进行了有机的结合,在网络训练过程中,可以根据输出的误差自适应选择遗传算法还是人工神经网络算法。此算法发挥了遗传算法全局寻优能力和人工神经算法局部寻优能力的优点,是一种比较完美的解决方案。对于数字识别算法,没有运用更为复杂的算法,只是通过此网络的前馈计算得出最终的识别结果。此算法在特征提取方面提取了数字的一系列结构特征,其特征向量为(竖直中线交点数,竖直1/3处交点数,竖直2/3处交点数,水平1/5处交点数,水平4/5处交点数,左拐点数,右拐点数,上端点数,下端点数)。这些特征作为GANN的输入值。通过对GANN算法的训练结果和识别结果的分析,得出了比较令人满意的结果,这种将遗传算法和人工神经网络算法相结合的算法给以后的研究工作提出了一个新的思路。在此基础上再对特征提取进行进一步的研究,找到更能体现数字特征的算法,此网络会有更好的识别效果。