手写数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了很多预处理和模式识别的算法,大大提高了手写数字的识别精度。但到目前为止,手写数字识别精度还有待提高。贝叶斯网络由于具有图形化的模型表示形式、局部以及分布式的学习机制、直观的推理;所以比较适用于分析和表达不确定性和概率性的事物;对于不完全、不精确或不确定的知识和信息能够做出有效的推理,而且是目前推理领域最有效的一个模型。为了提高手写数字识别的精度,本文将贝叶斯网络和关联规则应用于手写数字识别中,提出了一种贝叶斯网络的手写数字识别模型。该模型是首先通过使用二值化、细化、归一化等预处理方法,特征提取利用粗网格特征提取方法来得出特征值;通过网络质量衡量标准来衡量贝叶斯建网方法的实用性,选择出质量比较高的建网方法;然后,使用基于关联规则的贝叶斯网络分类器相关算法来区分手写数字;最后,通过对试验结果的分析,通过数据集的训练及测试,进行试验结果分析和讨论。因为关联规则分类器具有不确定性,但是贝叶斯网络可以克服这一缺点,所以用关联规则来指导学习贝叶斯网络会提高贝叶斯网络分类器的分类效率。实验数据表明,使用该方法建立的贝叶斯网络分类模型具有较强的分类能力,是一种有效实用识别模型。