随着平板电脑、书写板、数码笔等笔输入设备的广泛应用，用户能够在更大的界面上输入文本、绘制图形、表格等操作，同时笔迹被这些设备捕获并保存成联机文档。与传统的笔和纸相比，联机文档从自动处理角度具有潜在的便利性，然而无约束的自由书写也给文档的自动处理带来了挑战。对于联机手写文档的分析，首先要将笔划聚类成文档结构对象，例如文本行和图形，然后再对不同的文档结构对象分别进行识别。本文对联机手写文档分析中的三个主要问题进行研究，包括笔划分类、文本行分割和字符串识别。这些方法在日文文档数据上进行实验，但同样可用于中文文档。主要工作包括以下几个方面：　　 一、为了有效地利用笔划之间的空间关系信息，本文利用马尔科夫随机场(MRF)对联机手写日文文档中的笔划进行分类，将笔划分为文本与非文本两类。MRF中的似然位势则由支持向量机(SVM)分类器的输出经概率转化得到。实验表明基于MRF方法的笔划分类正确率要高于基于隐马尔科夫模型(HMM)的方法和基于SVM的单分类方法。　　 二、针对联机手写文档中文本行书写方向任意、相互之间不必平行、距离可以任意靠近的特点，本文提出一种结合笔划序列的时间与空间信息的有效的文本行分割方法。该方法中主要步骤的参数都是在数据上经过监督学习得到，只用了很少的先验知识。在实验中从多个方面对文本行分割算法进行评价，证明了本算法的有效性。　　 三、为了在手写字符串识别中得到更高的字符切分和识别精度，本文利用条件随机场(CRF)在最大后验概率(MAP)框架下对字符串的候选切分和识别方式进行评价。该框架集成了字符分类器输出、语言上下文和几何上下文，能够有效地克服字符串候选切分长度的影响。为了提高系统性能，本文利用了多种几何特征函数，包括一元和二元儿何特征函数，以及与字符类别有关和无关的几何特征函数。实验结果表明，对比基于归一化路径评价准则的方法，基于CRF的方法能够达到更高的切分和识别准确率，同时几何特征能够显著地提高系统性能。