王军平，赵振华

（1.咸阳职业技术学院 电子信息系，陕西 咸阳 712000；2.兰州理工大学 电气工程与信息工程学院，甘肃 兰州 730050）

手写数字识别研究有着广泛的应用背景和重要的理论意义[1-3]。如今在邮政、财政、税务等工作中都需要进行手写数字的识别，识别结果的好坏直接影响到工作的效率。另外，由于数字识别的类别较小，有助于作深入分析及验证一些新的理论。例如支持向量机的提出，就是先在手写体数字识别领域里进行验证，然后推广到了其他的领域。

目前，对手写数字识别的研究依据特征的提取可分为两大类：基于字符统计规律和基于字符结构特征。基于统计规律的方法是利用字符样本库，找出0到9中每类字符空间分布的统计规律，构成分类器进行识别。基于字符结构特征的方法是分析字符笔画的构造如圈、端点、交叉点、轮廓等来构造分类器进行识别。两类方法各有优势，总体而言，统计方法能更好地描述一类模式的本质特征，对于与给定训练集差别不大的字符具有较高的识别率；基于字符结构特征的方法精确地描述了字符的细节特征，对书写结构较规范的字符有较高的识别率。

在字符的特征提取中，主元分析（PCA）是一种十分有效的方法。PCA的思想是将高维样本空间的样本投影到某个低维子空间，使得在该子空间中，投影样本的类间方差最大，类内方差最小。在字符识别中，PCA方法通常是将样本库中的每个字符图像矩阵转换为一维向量，然后求出样本总体的协方差矩阵，计算出该矩阵的特征值及特征向量，根据特征值及对应的特征向量确定子空间的基向量。……