黄一格，张炎生

（广东海洋大学电子与信息工程学院，广东湛江 524088）

0 引言

随着我国人口逐年递增，公民在填写报表时产生的数据量也在同步上涨，其中大量数据由阿拉伯数字组成。因此，需要采取必要手段将手写数字转化成存在计算机里的文字。传统的做法采用手工录入，这种做法效率低且劳动力成本高。目前，主流的数据录入方法采用光学字符识别（Optical Character Recognition,OCR）技术[1]，OCR技术是指将采集得到带有字符的数字图像输入计算机后经过处理，在输出端得到存储在计算机的字符的技术，手写数字识别技术作为OCR技术的一个分支，其研究目的是将人书写在纸上的阿拉伯数字转换为计算机里的数字。由于数据信息主要由阿拉伯数字组成，如：邮政编码、银行票据等，因此处理此类信息的关键技术是手写数字识别技术，所以对该技术的深入研究蕴含着巨大的应用价值和现实意义[2-3]。

本文在此背景下，提出了一种基于BP神经网络的手写数字分类识别模型。该模型在Matlab开发环境下实现[4]，训练时间较短，对手写数字的识别精度较高。

1 BP神经网络

BP神经网络是一种采用了BP算法的多层前馈神经网络模型，具备高度的非线性映射能力并且克服了简单感知机的局限性，其拓扑结构如图1所示[5]。隐含层是一个宽泛的概念，它指代了所有介于输入层和输出层之间的中间层，因此其数目可以是一或多个。

BP神经网络的学习过程包括两个阶段：正向传播和反向传播。正向传播时，输入向量从输入层输入，输入数据经过线性组合成为隐含层神经元的输入值，隐含层内包括对输入值的线性组合和非线性映射，随后得到隐含层的输出值，输出层又对隐含层输出值作出类似的运算，最后得到实际输出。……