脱机手写体汉字识别是当前模式识别领域研究的热点课题,具有广阔的应用前景。由于书写的随意性和不规范造成的汉字形变与连笔、识别对象为汉字二维图像等因素的影响,难以准确的完全表征脱机手写体汉字特征,使得脱机手写体汉字识别成为汉字识别领域的难点问题。本文模仿人类认知汉字的容错性思维过程,研究了一种基于过程神经网络的脱机手写体汉字识别方法,为探索使机器能够“认知”脱机手写体汉字提供了一种新途径。　　 论文的主要研究工作如下:　　 1.提出了一种容错性的汉字特征表征方式。模仿人类认知汉字的机理,将手写体汉字图像转化为具有容错表征方式的不同类型、不同数量、不同位置、不同顺序、不同结构的五类汉字笔划形状组成的几何图形,力图实现脱机手写体汉字特征的完全表征。　　 2.构建了用于提取脱机手写体汉字笔划特征的过程神经网络模型。根据过程神经网络能够处理时空二维信息的特点,建立了用于获取脱机手写体汉字笔划类型特征的基于粒子群优化的过程神经网络,并构建汉字多重特征数据结构表,以有效地解决提取汉字笔划时序特征信息的难题。　　 3.研究了基于过程神经网络的脱机手写体汉字识别。模仿人类认知汉字的思维过程,制定了仿人容错汉字识别规则,对脱机手写体汉字进行容错性匹配识别。降低了汉字的误识率和拒识率。　　 论文在VC++及MATLAB7.3仿真环境下,从SCUT-IRAC HCCLIB手写体汉字图像样本数据库选取汉字样本,进行基于过程神经网络的脱机手写体汉字识别方法研究的仿真实验分析。仿真结果表明该方法有效、可行。