脱机汉字识别是一个典型的大类别模式识别问题,在这种大类别识别的研究中,大多采用匹配的方法来解决问题,该方法的实现比较简单。但是,基于匹配的方法分类精度较低。近年来,人工神经网络作为一种认知模型已在模式识别中得到了成功的应用。本文在深入分析当前汉字识别最新发展技术的基础上,提出了一种基于神经网络分类器的汉字识别方法。 本文首先对系统中汉字输入、预处理、特征提取、BP神经网络分类器等模块进行了较详细的研究,提出了基于统计量的外围特征与网格特征的特征提取方法,然后用改进的BP神经网络分类器对汉字进行识别。特别是对BP神经网络分类器,不仅讨论了其原理、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附加动量因子及动态自调整学习算法的改进方法。 最后,在VC++6.0环境下,对基于统计量的外围特征与网格特征的特征提取方法,以及BP网络建立、训练等进行编程实现。选取10类汉字样本进行了初步实验,取得了良好效果,表明将神经网络引入到汉字识别的研究是比较成功和可行的。