汉字识别的研究工作一直被认为是具有重要理论意义和实践价值的模式识别问题,并被视为字符识别研究的最终目的,脱机手写体汉字识别是当前模式识别领域的一个研究热点。支持向量机是一种专门研究有限样本预测的学习方法,SVM算法是建立在结构风险最小化原理基础之上发展成的一种新型结构化学习方法,能很好的解决有限数量样本的高维模型的构造问题。因此,将SVM理论运用于脱机手写体汉字的识别有较大的理论意义和实用价值。论文的主要工作如下:1)汉字繁杂度和结构度的划分。采用基于像素点密度法将汉字分为简单字和复杂字;采用基于水平和垂直投影直方图与连通域相结合的方法将汉字分为独体字和非独体字。2)二叉树支持向量机构造。针对脱机手写体汉字识别中复杂模式多分类问题,在应用二叉树和SVM理论的基础上,构造了手写体汉字分类的二叉树结构支持向量机模型,进行粗分类,以支持向量机工具箱为实现手段,成功实现了对多种类型(简单、复杂、独体字、非独体字等)的分类。3)手写体汉字识别算法。通过多种特征提取方法的组合提取手写体汉字图像特征的方法,根据每类字的不同特点,采用不同的特征提取方法进行特征提取,利用SVM“一对多”的方法对每个类细分类识别。实验结果表明,本文采用二叉树SVM粗分类与“一对多”SVM细分类结合的分类识别方法,可以充分发挥SVM在二类分类问题方面相对于单一SVM方法的优势,在解决脱机手写体汉字复杂多分类识别问题上,能有效的提高分类精度和速度。