手写字符识别技术属于人工智能的范畴,要涉及到图像处理、模式识别和机器学习等相关知识,是一门综合性很强的研究课题。而在手写字符识别的过程中,可能会出现“维数灾难”的问题,为解决这个问题,需要进行维数约简。维数约简是手写字符识别的关键步骤,因此对它的研究变得尤为重要。本文总结了国内外手写字符识别技术等相关内容的研究现状,发现现有维数约简算法降维后得到的降维图像会随机产生镜像旋转和角度旋转。这个问题不仅会造成可视化效果较差,还会降低手写字符的识别率。针对上述问题,本文提出一种基于有向长方体的三维手写字符维数约简算法。该算法步骤如下:首先,获取三维离散点集T并生成三维轨迹。然后,建立有向长方体模型并确定投影面。接下来,进行三次坐标变换,包括将三维离散点集T预变换为投影点集T1;将T1转换为二维点集T2,该步骤解决了镜像旋转的问题;将T2转换为降维点集乃,该步骤解决了角度旋转的问题。通过可视化对比实验发现,所提维数约简算法具有较好的视觉处理效果,并且字符图像不会随机产生镜像旋转和角度旋转。而基于主成分分析、核主成分分析、多维缩放算法、等度量映射四种维数约简方法得到的二维字符会随机发生镜像和角度旋转,这会严重影响可视乎效果。最后,为了客观地验证所提维数约简算法的有效性和可行性,对基于OBB的三维手写字符维数约简算法和上述四种维数约简方法得到的降维图像分别进行识别,并比较识别结果。识别结果表明在使用支持向量机、k近邻学习、朴素贝叶斯算法三种识别方法下,所提维数约简算法处理得到字符图像的平均识别率分别为91.47%、89.70%以及85.93%,均大于以上四种维数约简算法处理得到字符图像的平均识别率。所以使用本文所提算法可以极大程度地提高三维空间手写字符的识别率。所以所提维数约简算法更加适合三维空间手写字符。