光学字符识别是模式识别中的研究热点之一,其在邮件分拣、交通管理、银行票据识别等领域中有重要的应用前景。面向少数民族文字的光学字符识别研究有助于少数民族地区的基础设施建设,并能够促进其经济、文化、教育事业的发展,同时对净化网络环境也有一定的帮助,但除了维文、蒙文、藏文,其他少数民族文字的识别还没有被充分挖掘。据统计,彝文的使用人数达百万人之多,因此进行彝文识别的研究是十分必要的。本文使用深度学习的方法进行手写彝文识别研究,针对数据集缺乏的问题研究了聚类算法在数据集构造中的运用,建立了手写彝文数据集,并对深度学习网络的参数设置进行了探索,具体工作内容如下:(1)针对人工数据标注耗时耗力的问题,本文使用信息熵改进了一种基于密度的无监督聚类算法,并将其用于手写彝文数据集构造的类别标注过程中,结果表明,此算法不仅将人工数据标注的效率提升了两个数量级,并且在UCI聚类数据集的测试过程中,获得了优于原算法的效果。(2)在设计手写彝文识别卷积神经网络的过程中,本文对卷积神经网络的参数调整进行了探索,分别对比并分析了卷积层个数、卷积核个数、Batch-size、学习速率这四个参数对准确率的影响,给出了参数调整的一些经验,并使用这些经验设计了用于手写彝文识别的卷积神经网络,实验结果表明,此网络在本文所构造的包含100个类数据集上获得了 99.65%的识别率。(3)本文构造并公开了一个手写彝文数据集,用于推动彝文识别研究的发展,设计了一个用于手写彝文识别的原型系统,为彝文研究者以及对彝文感兴趣的学者提供了一种快速阅读彝文文献的途径。综上,本文所提出的基于信息熵和密度的聚类算法以及所获得的卷积神经网络调参经验对其他文字识别问题具有借鉴意义,并且可被用于其他类似的模式识别问题中。此外,通过修改距离度量方法,此聚类算法可被用于更多的非监督学习问题中。