提出了基于多特征稠密卷积神经网络的模型框架(DenseNet-SE)。与传统方法相比，DenseNet-SE采用数据驱动的方法，无需手工提取特征。该框架包含了稠密残差块的结构，能够获取深度特征。通过跳跃连接的方式，从浅层获取细粒度特征来辅助深度特征。同时，融合特征有助于网络结构获取更多全局信息，更好地表示公式符号的类别。利用在线手写数学表达式识别的竞赛组织(CROHME)提供的标准数学公式符号库来验证所提算法，结果表明，CROHME2014和CROHME2016的识别率分别达到93.38%和92