本發(fā)明涉及手寫文字的識(shí)別方法，包括：a.歸一化手寫輸入數(shù)據(jù)，定義神經(jīng)元數(shù)，建立自動(dòng)編碼器模型并初始化權(quán)重和偏置；b.通過壓縮感知模型進(jìn)行數(shù)據(jù)壓縮采樣；c.對(duì)得到數(shù)據(jù)進(jìn)行自動(dòng)編解碼后重建手寫輸入數(shù)據(jù)，使重建數(shù)據(jù)相對(duì)原始手寫輸入的誤差最小化；d.將構(gòu)建的各模型逐層堆疊組成n層神經(jīng)元的特征深度學(xué)習(xí)模型，并對(duì)所述的n層神經(jīng)元遍歷進(jìn)行深度特征學(xué)習(xí)，其中n為自然數(shù)；e.輸出識(shí)別的手寫文字。本發(fā)明能夠通過模擬人腦視覺神經(jīng)元感知事物的特性，結(jié)合壓縮感知和深度學(xué)習(xí)，自動(dòng)挖掘表征手寫文字的細(xì)致特征，非常有效的提高了手寫文字的表征能力和模型學(xué)習(xí)的效率，大幅度的提高了手寫文字特別是手寫數(shù)字的識(shí)別精度和識(shí)別效率。