手写数字识别在各种应用环境中对准确率的要求极高,传统机器学习方法由于训练样本单一,易在实际应用中识别错误。针对在提高不同笔体下的手写识别准确率进行了研究,将深度卷积神经网络与自动编码器相结合,设计卷积自编码器网络层数,形成深度卷积自编码神经网络。首先采用双线性插值方法分别对MNIST数据集与一万幅自制中国大学生手写数字图片进行图像预处理,然后先使用单一MNIST数据集对深度卷积自编码神经网络进行训练与测试,最后使用MNIST与自制数据集中5000幅混合,再次训练该网络,对另外5000幅进行测试。实验数据表明,所提深度卷积自编码神经网络在MNIST测试集正确率达到99.37%,相比于前人有效提高准确率;且5000幅自制数据集模型测试正确率达99.33%,表明该算法实用性较强,在不同笔体数字上得到较高识别准确率,模型准确有效。