摘要
本文对手写体数字识别提出了一种具有神经网络的混合分类系统和判断树－－分类器。它在字符的几何结构上定义各种稳定、可靠的整体特征。一种新颖、可变的检测器采用局部特征，沿着字符的左右轮廓进行检测分割。识别系统由分层原始分类器和精确分类器组成。原始分类器是一个具有逆向传播学习算法的三层前馈式神经网络，在相似字符特征的抽取中，采用6个子集{0},{6},{8},{1,7},{2,3,5},{4,9}以示区别。三种字符类别称为{0},{6},{8}是直接从人工神经网络（ANN）上识别的，其余的字符类别构建一个判断树分类器，以便进一步在以下的类别中作精确分类：有关启发式特征的特殊分类、原始特征以及对应语义类别间的实验结果。然后，采用一种迭代增长和删除算法来形成树状分类器。实验证明，本文提出的识别系统具有广泛的适应性和很高的识别率。
