手写体(脱机)汉字识别是当前OCR技术研究的热点之一，也是计算机字符识别中最为困难的一个课题。本文在分析当前汉字识别最新发展技术的基础上，提出了一种基于多算法集成和神经网络的汉字识别系统。在此系统中，我们针对神经网络在小类别模式识别中的成功应用，先采用基于汉字粗外围特征的距离分类器作为粗分类，以将待识汉字集分成若干个小的汉字集合，然后用基于汉字弹性网格像素概率分布特征的BP神经网络分类器作为细分类，以实现汉字识别的目的。 本文首先对系统中汉字输入、预处理、粗分类、细分类和后处理五大模块进行了较详细的说明，特别是对神经网络分类器，不仅讨论了其原理、特征提取、BP算法实现和网络结构及参数选择，还探讨了BP算法的缺陷问题并提出了改进方法。 然后在Matlab神经网络工具箱的基础上，探讨了BP网络在Matlab环境中的实现，并给出了BP网络建立、训练和仿真过程的编程方法。 最后，我们在Matlab中对10类汉字100个不同样本进行了初步仿真实验，取得了识别率为95％的良好效果，表明将神经网络引入到手写体汉字识别的研究是比较成功和可行的。