深度学习(Deep Learning)是近年来提出的一种基于多个隐层的深层次网络结构,用来研究并处理目前机器学习领域的一些热门问题,如图像检索和图像识别。深度学习的本质是通过构建多个隐层的神经网络来训练样本数据,而训练样本的实质则是让网络自主的学习样本的特征,从而免去了以往依赖经验而进行人工特征提取的步骤。目前虽然有较多应用深度学习技术解决手写体数字字符识别的应用,但是在手写体汉字识别领域,更多的是传统的基于人工特征提取的方法.由于汉字笔画相比于其他常见字符如英文字母或阿拉伯数字更复杂,而且手写体汉字因个人书写风格及习惯的不同而更显得种类繁多,因此,对于手写体汉字字符的识别一直是机器学习领域的热门研究问题。本文针对手写体字符尤其是手写体汉字的识别问题,利用深度学习技术构建了不同深度的卷积神经网络[1]对含有手写体数字[2]、手写体汉字的字符集进行识别研究,分别比较了同深度和不同深度网络的性能差异,最终得到了可用于识别的网络结构,并基于该网络实现了手写体字符的识别系统。本文的网络结构对MNIST数据集的准确率达到了99.18%,对汉字数据集HWDB1.1的子集准确率达到了92.02%,并对新数据集有良好的适用性。通过与其他手写字符算法的对比证明了本文使用的网络结构具有的工程应用价值,最后基于该模型实现的手写体字符识别系统也体现了本文网络结构的可行性。