手写识别一直是模式识别的一个重要研究领域,得到了学术界的广泛研究和关注。热门语言（如汉文、英文、日文）的手写识别研究已经从简单的孤立词识别发展到文本行识别、无约束手写识别、文档识别和场景文字识别等领域。然而,蒙古文脱机手写识别起步较晚、相关研究较少,且蒙古文具有词汇量巨大、书写自由、字符变形严重等特点,这些都给蒙古文脱机手写识别带来了巨大挑战。因此,本文将传统蒙古文作为对象,开展脱机手写识别研究。针对蒙古文缺乏手写数据集的现状,本文收集并整理了蒙古文词典数据,选取了手写词汇集,组织大批人员抄写了样本,通过人工核对、校正和预处理,形成了脱机手写蒙古文单词数据集,并在此基础上开展了蒙古文脱机手写识别研究,具体研究内容包括:（1）针对蒙古文百万级词汇量的特点,本文根据蒙古文构词、编码、语法等知识,选取了“十二字头”、“变形显现字符”和“字素码”等三种单词分割单元,通过对比实验,选定“字素码”为蒙古文单词的分割单位,并提出了基于字素建模的蒙古文大词汇量手写识别方法。该方法以蒙古文字素作为建模单元,通过字素的线性串联实现单词建模,以解决大词汇量识别问题。（2）针对蒙古文手写单词具有序列数据特点以及变形严重问题,本文提出了隐马尔可夫模型（Hidden Markov Model,HMM）与深度神经网络（Deep Neural Networks,DNN）相结合的混合识别方法,实现了蒙古文脱机手写识别。将每个蒙古文脱机手写单词都看作沿书写方向的一个一维随机序列,通过隐马尔可夫模型描述该序列的生成过程,深度神经网络用于描述序列的概率分布,将语音识别相关方法成功移植到蒙古文脱机手写识别任务中,取得了较好效果。（3）针对蒙古文手写单词相邻字符间关联严重的问题,本文提出了一种基于长短期记忆网络（Long Short-Term Memory,LSTM）+连接时序分类器（Connectionist Temporal Classification,CTC）相结合的字符关联建模方法。由于图像本质是二维序列,因此采用二维LSTM,从四个方向依次扫描图像可获得多个序列信息,解决了图像二维序列到字素码的映射问题,进一步提高了蒙古文脱机手写识别准确率。（4）针对集外词（Out-of-Vocabulary,OOV）问题,本文提出了CTC与子词语言模型相结合的方法,可在一定程度上解决蒙古文集外词识别问题。虽然二维LSTM有较好的建模能力,但网络本身并无有效的解码方案。针对蒙古文词干加后缀的构词特点,可通过加权有限状态转换机（Weighted Finite-State Transducers,WFST）来组织蒙古文单词,有效降低了解码的时间复杂度。实验结果表明,基于CTC与子词语言模型的解码方案对集外词有一定的识别能力,同时对集内词有较高的识别准确率。综上所述,本文通过以上四个方面的研究,使得蒙古文脱机手写识别的性能达到了较高水平,可为开发相关应用系统提供技术支撑。同时,本文的研究成果也能为蒙古文手写文档识别提供技术支持,这对挖掘和利用蒙古文手写文献资源,传承和发展少数民族文化具有重要意义。