模式识别领域里的研究表明：对一个复杂的识别分类问题,只使用一种方法往往难以将识别对象很好地分离开来,而不同的分类方法之间往往存在着很强的互补性,把多个分类器集成可以明显地提高识别率。因此多分类器集成方法近年来已成为研究者们关注的一个热点。本文建立了一个集成型神经网络手写体数字识别系统,系统主要由三个子网络并联集成构成。每个子网络可以独立完成学习训练和测试。三个网络并联之后,采用“基于后验概率的权值自动调整法”,对样本进行识别。在整个系统中,本文的主要工作以及创新之处有以下几个方面：1实现了宏观、微观和变换域的特征提取,分别应用于三个不同的神经网络分类器。第一个子网络是基于宏观整体特征的,第二个子网络是基于微观边缘特征的,第三个子网络是基于变换域傅里叶变换特征的。2根据本实验中给出的字符的特点,经过适当的变换后,将数字图像处理领域的基本概念和方法大量应用于本课题中。对字符图像进行多种预处理,如：将字符库中的字符使用数字图像处理领域里的方法,进行边缘效果增强、去噪、字符灰度变换等,这些做法对提高字符识别率有一定的帮助。3在集成方法上,本文提出了“基于后验概率的权值自动调整法”的线性集成方法。根据各个子网络独立的的实验可以观察到,不同的子网络对不同字符有不同的识别效果,根据这一思想,在并联集成时,将对某一字符识别效果最好的网络在识别该字符时赋予最大的权值。本文建立的集成型神经网络手写体数字识别系统,综合使用了多种模式识别方法,全面反映了手写体数字字符各个方面的特征,试验结果表明该系统提高了手写体数字识别的精度,还有很多地方值得深入研究下去。