手写数字串的识别一直是模式识别领域的一个研究重点,其在大规模数据统计和金融领域有着广阔的应用前景。目前手写数字串切分与识别算法的效果还不够理想,并且手写数字串切分与识别的研究主要针对纯数字串,而包含小数点的手写数字串在各个领域的应用更为广泛,这些都严重影响了手写数字串识别技术的应用,本文提出了一种包含小数点的手写数字串的切分与识别方法。单个数字的识别是整个数字串识别的基础。由于手写数字变体很多,难以提取一种能够准确区分各种数字的特征。本文通过训练卷积神经网络,使其自行学习样本中内在特征,以达到识别单个手写数字的目的。我们还提出一个识别结果可信度的评价方法,以便在粘连数字串切分过程中能够对不同切分方案进行评价。针对手写数字串中可能包含小数点的情况,本文提取数字串的连通分量,通过分析连通分量的大小以及相对位置关系,将小数点从数字串中提取出来,针对数字串中的粘连数字串,本文通过提取图像的前景与背景的骨架点,并给这些骨架点赋予不同的权值,根据这些不同权值骨架点寻找到多条粘连字符串的切分曲线；按照切分曲线分别进行切分并利用神经网络进行识别,最后利用评价方法挑出粘连数字串的最佳切分曲线,同时也得到了粘连数字串的识别结果。实验结果显示本文的算法对包含小数点的数字串识别具有较高的识别率,对于Oliveira等人构建的数据集中的粘连数字,识别率达到84.47%,对于包含小数点手写数字串的识别率达到了92.6%。