本文建立了一个二级BP神经网络手写体数字识别系统，在这个系统的实现过程中，本文的工作主要有以下几个方面： 1．针对本文所使用样本库和神经网络的特点，系统提取了包括压缩特征、Kirsch特征、Gabor特征、Legendre矩特征、Pseudo-Zemike矩特征、Zemike矩特征和质心层次特征在内的七类共109维特征向量。 2．对于传统的BP算法存在的一些局限，如学习率和动量因子在迭代过程不是变量，不能适应复杂的误差曲面，其收敛性对输入样本特性和连接权值的选取比较敏感，收敛速度往往相当慢；而且在学习过程中，经常陷入误差函数值局部极小状态，而达不到预定的收敛精度；本文通过引入自适应学习率及动量因子等对BP算法这些局限进行了一定程度的改进。 3．对一级BP网络分类器进行了分析，提出采用二级BP网络实现分类器。对试验的样本库进行了大量的统计和试验，并以此为依据对二级BP神经网络分类器进行了设计和实现，进一步用实验论证了使用二级BP网络实现分类器的优越性。 4．给出了整个识别系统的设计方案和实现流程，并介绍了系统仍需要