鼠标手势是一种有别于菜单操作和快捷键的一种新的计算机操作方式。它指利用鼠标画出图形并进行识别来完成操作。由于具有高效、新颖、方便的特点,所以鼠标手势受到欢迎,并广泛应用于浏览器操作。但目前鼠标手势的应用非常有限,使用的也仅仅是直线、折线等简单的手势,对于复杂鼠标手势的研究和应用还比较少。BP人工神经网络是目前鼠标手势应用识别中研究最多算法之一。人工神经网络是以生物神经元信息处理的工作方式为基础的非线性算法,具有自适应学习、并行处理的特点,并且具有分布式信息存储能力。其中,BP反向传播神经网络是目前应用最广泛一种人工神经。BP反向传播神经网络是一种使用反向传播算法训练的多层前馈网络,网络技术成熟,结构简单,已经被广泛应用于模式识别、函数逼近等领域。但是,标准的BP神经网络存在易陷入局部极小、学习效率低、收敛速度慢等缺点。针对这些缺点,研究人员已经提出了附加动量法、自适应学习率、共轭梯度法等很多改进的BP神经网络算法,提高了算法的收敛速度,降低了误差。但是,改进后的神经网络算法还没有被应用到鼠标手势识别中的先例。本文主要研究神经网络改进算法在鼠标手势中的应用。论文基于鼠标手势数据,利用Matlab对BP神经网络的各种改进算法进行仿真和分析,寻找适合于鼠标手势识别的神经网络的改进算法。由于不同的网络结构对网络的鼠标手势识别能力也有较大影响,所以论文对应用于鼠标手势算法的神经网络的不同层数,不同隐层神经元数和不同传输函数的神经网络作了仿真和分析,以寻找适合于鼠标手势识别的网络结构。然后,论文基于仿真分析得出的结论,设计实现了一个识别复杂鼠标手势的软件应用结果表明,利用论文仿真结论选取的BP改进算法和网络实现的鼠标手势识别软件识别率高,实用性强,速度快,是一种较好的识别复杂鼠标手势的PC桌面应用工具。