Pengenalan tulisan tangan angka Cina menjadi kebutuhan dalam meningkatkan produktivitas, akan tetapi untuk mengenali angka Cina tidaklah mudah. Masalah dalam pengenalan tulisan tangan angka Cina adalah kompleksitas variasi dari penulis. Hal tersebut menjadikan tulisan tangan berbeda dalam bentuk, ketebalan, dan ukuran. Penelitian ini menggunakan binerisasi untuk mengubah citra asli menjadi citra biner, Weighted United Moment Invariant untuk mengekstraksi citra biner tulisan tangan angka Cina, dan Self Organizing Maps untuk mengelompokkan hasil dari ekstraksi fitur. Hasil pengenalan tulisan tangan angka Cina dengan 600 data primer dengan setiap angka dibuat 60 kali diperoleh akurasi terbaik 93,89%.