随着计算机的普及，使用计算机处理日常工作和存储信息成为人们更多的选择。对图像格式文档文件的识别与检索引起了广泛的关注。适用于普通印刷体文档图像的OCR系统已经比较成熟，对粘连字符的处理成为其识别正确率的主要影响因素之一。科技文档中存在较多的数学表达式，它们是由特殊符号及字符组成的比较复杂的结构体。数学表达式中字符之间存在着二维关系，这使得粘连字符的处理成为正确识别数学表达式的一个重要部分。为此，本文作了一些尝试，给出了一种粘连下标的判定方法。本文主要包括以下内容：本文第1章简单介绍了神经网络方面的一些知识，概述了数学表达式识别系统的一些流程，包括数学表达式的定位，识别，重组。并且列出了粘连字符检测，分割方面的主要方法。在第2章，分析了粘连下标的主要特征，给出了一种新的投影方法。基于此，总结出了一种粘连下标的判定方法：首先，通过上述投影方法获取字符或者符号的轮廓信息，然后通过粘连下标特殊的轮廓特征进行判别。最后，给出了数值实验，表明该方法能够在不同类型字符中能够很好的检测出粘连下标。针对粘连下标判定方法中参数选取的问题，第3章中给出了一种模糊神经网络方法。该方法将第2章方法的参数作为权值，通过学习来获得比较合适的数值。当然，这种模糊神经网络方法也可以直接用来判定粘连下标。第4章考虑到粘连字符出现的概率问题，针对实际科技文档图像作了数值实验。主要是在数学表达式定位的过程中，运用粘连下标判定方法，检测文档中的粘连字符并标记出来。