BP神经网络广泛应用于非线性建模,模式识别、预测等方面。本文主要研究BP神经网络在脱机手写体数字识别方面的应用。神经网络具有生物神经网络的某些特征,是一个信息处理系统。神经网络结构简单、能够大规模并行、容易用硬件实现,并且具有学习和记忆能力、自适应和多样性等特性。本文用MATLAB的imread.m函数读取自采集的手写体数字图像,用自定义的归一化算法进行图像预处理,再用逐像素特征提取法提取数字特征,最后将提取到的数字特征进行编码作为神经网络的输入。抽取输入样本的特征向量,并选取足够的样本对BP神经网络进行训练,然后将测试样本输入到训练好的网络中,就可以根据网络的输出得到识别结果。另外,针对BP网络收敛速度慢,计算量大等缺点,改进了网络的初始值,保证网络稳定快速收敛。还介绍了几种BP神经网络的改进训练算法,利用MATLAB神经网络工具箱提供的丰富的训练函数,对几种典型的BP网络训练算法的训练速度进行了比较。仿真结果表明本文提出的用于手写体数字识别的BP神经网络模型具有一定的识别能力,其算法可操作性强,只要相关参数选择得当,系统就能够得到较好的识别效果。本文的手写体数字识别正确率为65.33%。