本文建立了一个集成型神经网络手写体数字脱机识别系统，系统主要由两个部分构成，即：学习部分和识别部分。学习部分主要完成七个BP神经网络的学习训练，识别部分是由特征提取和集成型神经网络识别构成。本文的工作主要有以下几个方面： 　　1.实现了宏观、局部和微观三个层次的特征提取，分别应用于七个不同的神经网络分类器。 　　2.对传统的BP神经网络做了一些改进，例如修改学习因子，修改Sigmoid函数，引入学习因子。 　　3.对七个BP神经网络的结果采用多种算法进行组合，既要发挥它们的最佳性能，又能克服单个分类器的弱点，以达到最优的系统识别性能。 　　4.本文建立的集成型神经网络手写体数字识别系统，综合使用了多种模式识别方法，全面反映了手写体数字各个方面的特征。实验结果表明该系统在一定程度上提高了手写体数字识别的精度。