随着计算机技术的发展和信息技术与课程的整合,信息化教育越来越受到人们的关注。多媒体教学的使用,迫切需要将传统的键盘输入转化为手写输入以提高课堂的教学效率。但由于手写数学公式本身的特点,如数学符号的相似字符较多,而且一些比较复杂的数学公式存在着上/下标的定位问题,导致了手写数学公式的识别会相对困难一些。一个手写的数学公式识别系统,总体上分为字符识别和公式的结构分析俩个主要的步骤。其中,字符识别是公式识别的基础。字符识别分类器的设计直接影响到识别系统的识别率。而结构分析是公式识别的关键。本文第一章介绍了手写体数学公式的研究背景,国内外的研究现状以及相关的一些商业化的产品,介绍了数学公式识别的一般步骤以及本文所做的工作。第二章重点介绍了一般数学符号的预处理和特征提取,以及本文所提出的预处理方法和边界特征提取方法和用K-L变换进行高维空间的降维第三章重点介绍了常用的字符识别的一些方法,提出了组合分类器的思想,以及本文所用的最小距离分类器和改进的神经网络BP算法对数学符号的识别,目的是在能够识别数学公式的基础上,增加了学习的功能,以便今后识别能力的扩展。第四章重点介绍了数学公式识别的结构分析和数学公式的输出Word EQ域。主要介绍了自己如何设计并实现手写数学公式识别系统,提出了自己的设计思路与模块划分并编写程序实现。在本文的末尾,阐述了自己设计的神经网络BP算法对数学符号的识别效果和手写体数学公式识别的整体识别效果,根据本系统目前存在的问题提出了下一步的计划。