随着计算机的在各行业的广泛应用及人工智能的发展,文字识别作为一种能够提高办公效率的有效方法,被各行各业所重视,它倡导无纸化办公,使人们从繁重的文字录入劳动中解脱出来。研究文字识别的意义,不仅可以推动人工智能的发展,同时对我国现代信息化建设,及相关学科也具有重大的推动作用。本文的创新之处在于将高阶神经网络应用于文字识别领域。主要分析了文字识别的主要方法,通过研究高阶神经网络作为分类器,解决了文字图像识别中的关键问题,实验证明取得了较好的效果。主要工作如下:(1)学习人工神经网络的原理与应用,掌握多种网络模型,比如:简单感知器模型、多层感知器以及高阶感知器模型。通过仔细研究感知器各种网络模型,针对简单感知器模型无法解决非线性分类的局限性,研究其改进方法,编程实现了三阶感知器算法。(2)认真研究了文字图像的预处理技术,包括平滑去噪,二值化,归一化,细化等方法。另外学习了文字识别的特征提取方法,如笔划特征,结构点特征,投影特征,封闭区域特征等。(3)在现有文字识别领域的研究成果上,解析UC-DOS点阵字库文件,对提取的文字图片细化后,进行预处理与特征提取,得到相应的特征向量送入高阶神经网络训练;并利用训练后得到的网络作为分类器设计并实现了一种多级策略的汉字识别系统。