字符是人类信息交流的主要载体之一。随着计算机、信息技术的高速发展,使用计算机处理并识别人们的文字信息也就成为了一个非常重要的研究领域。目前,手写体字符识别是一个非常重要和活跃的研究领域,它涉及到模式识别、图像处理、人工智能、模糊数学、信息论、计算机等学科,是一门综合性技术,有广阔的应用背景与巨大的市场需求。因此,对字符识别的研究具有理论与应用的双重意义。由于在脱机手写字识别中,存在手写字符变形随机性很大等问题,目前脱机手写字符识别技术还很不成熟,仍处于研究阶段。因此提出将神经网络与模式识别技术相结合,利用神经网络具有的良好的容错能力、分类能力强、并行处理和自学习能力等优点,提出行之有效的手写体字符识别的方法。文章依次进行手写字符图象预处理与归一化,通过上述操作后进行手写字符图像特征提取,将提取到的特征向量作为神经网络识别输入向量,在BP神经网络进行添加动量与改变学习率,结合模拟退火算法,达到神经网络算法的优化与改进,从而实现神经网络的训练与识别。在手写体字符识别中能对大量信息进行快速准确处理,并达到良好的识别效果。文章最后在Visual C++平台上实现了一个BP神经网络手写体字符识别系统试验系统,该BP神经网络系统具有优化的结构、具有鲁棒性与泛化能力,能够实现较高识别准确率。