在联机手写识别系统中,通常是根据手写字符的笔画、笔顺以及轨迹序列进行特征提取。对于汉字来说,其结构复杂,形近字较多,而且由于不同人的书写习惯不同导致汉字的书写形变差异也较大,大大增加了提取联机手写汉字稳定特征的难度。近年来,卷积神经网络可以自动提取输入数据的特征而不需要显式的构造,这就减少了人为干预带来的误差,卷积神经网络的这一特征应其在图像处理领域获得了广泛应用。对于手写汉字来说,卷积神经网络可以通过对局部视野域内的特征进行卷积操作,从而从手写汉字的局部特征入手,生成更具代表性的特征。因此,探讨如何将卷积神经网络应用到联机手写汉字的特征构造与字符识别中就具有一定的可行性。本文在考虑手写汉字采集特点以及汉字形变多样性的情况下,提出一种基于卷积神经网络的联机手写识别系统,系统的实现主要包括三个部分:首先是对采集的点信息进行规整化和必要的插值操作,以完成数据的规范化,在该规范化处理过程中,本文使用了线性规整化和线性插值的方法。然后构造并训练了卷积神经网络与八方向特征相结合的网络结构,该结构利用八方向特征调节卷积神经网络的卷积层特征参数,生成与八方向特征较少交集的卷积层特征。最后将该卷积层特征与八方向特征一起经归一化后传入隐藏层进行训练并进行手写汉字分类。实验中,本文以哈尔滨工业大学深圳研究生院采集的HIT-OR3C、华南理工大学采集的SCUT-COUCH2009以及中国科学院采集的CASIA-OLHWDB1.0和1.1的数据集进行训练,以2010、2011以及2013年ICDAR联机手写汉字识别评测任务中的测试数据集为测试数据。实验表明,本文提出的基于卷积神经网络的联机手写识别系统能取得较好的效果,单字识别的首选正确率上最高达到了97.25%,接近已知的最好结果97.39%。