草图形状识别是草图语义理解的基础,它可分为两个顺序的、循环的阶段:简单草图形状识别和复合草图形状识别。简单草图形状识别已得到较为广泛的关注,而复合草图形状识别得到的关注则较少支持向量机是一个通过核函数将输入空间影射至特征空间再进行训练的线性分类器系统,基于泛化性理论和最优化技术来求解问题。虽已有些基于支持向量机的简单草图形状识别的研究工作,但基于支持向量机的复合草图形状识别的研究还很少,并且没有充分利用支持向量机强大的学习、分类和泛化功能。本文提出一种基于形状空间约束的复合草图表示方法,并设计了一个基于DAGSVM的复合草图形状识别算法。该算法利用了笔画的时间信息,综合了基于相似度的算法和基于分类器算法的优点。具体工作包括:1.在综述草图识别的研究现状和基本方法的基础上,提出了一种新的基于简单草图形状空间约束的复合草图形状表示方法。2.根据RBF核参数的特征,设计了一个启发式参数搜索算法,减少了参数搜索范围,提高了格搜索的效率。3.基于所提出的复合草图形状表示方法,设计了复合草图形状的DAGSVM分类器。4.开展了简单草图形状和复合草图形状的实验研究,实验结果说明了所提出的表示方法和识别算法是可行的。