笔迹鉴别做为一种生物信息技术,被广泛应用于司法、金融等领域,如何准确的鉴别笔迹的真伪及识别仿写笔迹的身份成为司法及金融行业的迫切需求和巨大的挑战。目前,依然有几大困难阻碍着笔迹鉴别的发展,其中的难点之一就是如何利用少量的签名样本训练签名笔迹鉴别模型的问题:难点之二就是针对同一书写者在不同时间不同地点书写的笔迹差异大,如何有效的从中提取书写者笔迹特征的问题。本文将针对这两个问题展开研究。针对如何利用少量的签名样本训练签名笔迹鉴别模型的问题,本文提出半文本相关的笔迹鉴别思想。文本相关笔迹鉴别方法已经在笔迹鉴别领域取得非常好的效果,但是,文本相关的鉴别思想依赖于大量相同内容的笔迹,即已有笔迹与待鉴别笔迹是相同的文字。然而在实际应用中获取大量同一个人的签名是非常困难的,大多数情况下是不具备的。但是,非相同字的笔迹更加丰富且更容易获取,所以采用非相同字的笔迹实现签名鉴别具有重要意义。在对签名鉴别时,希望能够弱化已有签名笔迹的作用,利用非相同字的日常书写笔迹来弥补,探索签名鉴别时所需要签名笔迹的最少数量。实验证明采用非相同字的日常书写笔迹可以弥补签名笔迹数量减少带来的准确率降低。针对同一书写者在不同时间不同地点书写的笔迹差异大的问题,本文采用CliqueNet网络,通过加深网络的深度,使得提取到的笔迹特征类内差异小,类间差异大。为了同时解决以上问题,提出将半文本相关与CliqueNet网络结合的方法共同训练模型。实验证明通过半文本相关与CliqueNet网络结合的方法,模型提取到的笔迹特征鲁棒性更强。在GPDS、MCYT与自建中文数据集上的实验结果,证明了本文方法在笔迹鉴别中的有效性。尤其适用于相同字样本少的情况。同时,实验证明以级联方式构成的多分类SVM分类器使分类结果更精确,提高了笔迹鉴别的准确性。