手写数字识别是模式识别和图像处理领域一个重要的研究方向,虽然数字的种类只有十种,笔画也特别简单,但由于书写习惯的不同,字形的随意性很大,使得手写数字识别一直达不到理想的结果。手写数字识别系统设计包含识别器(分类器)设计和使用识别器(分类器)方法。王守觉院士提出的优先度排序神经网络是目前有可控拒识功能且识别率较高的识别器。本文借鉴王守觉院士提出的优先度排序神经网络思想,着重设计了一种基于优先度排序神经网络的手写数字识别器。在该识别器的设计过程中,一方面通过对样本加不同噪声、做不同的6种线性变换、7种Lie导数变换把MNIST数据库扩充为600000个训练样本、100000个测试样本的样本库。丰富了MNIST数据库,为设计高识别率手写数字分类器奠定了基础。另一方面,细化和优化了王守觉院士提出的优先度排序神经网络设计算法,改进了王守觉院士提出的优先度排序神经网络。用扩充MNIST数据库对多种识别器进行了实验。实验表明,优化的基于优先度排序神经网络的手写数字识别器的识别率明显高于传统的BP网络的识别率,也高于王守觉院士提出的优先度排序神经网络的识别率。