脱机手写体汉字识别是多类别模式识别问题,有着广泛的应用前景。脱机手写体汉字具有书写风格多变、随意性大和书写过程信息丢失等特点,因此被认为是汉字识别领域的难点问题。支持向量机(Support Vector Machine,SVM)是根据统计学习理论提出的一种新的机器学习算法,已经在模式识别、回归分析等方面取得了良好的效果,本文研究了一种基于SVM的动态剪枝二叉树脱机手写体汉字识别方法,为提高手写体汉字的识别性能提供了一种新手段。　　 论文的主要研究工作如下:　　 (1)给出了一种SVM二叉树脱机手写体汉字识别方法。根据SVM理论和二叉树分类的策略,在分析了脱机手写体汉字特征信息的基础上,研究了运用SVM二叉树粗分类与SVM识别相结合的脱机手写体汉字识别方法。　　 (2)提出了基于三种汉字特征的脱机手写体汉字SVM动态剪枝二叉树粗分类算法。在分析了汉字的黑像素百分比特征、基本笔划统计特征和结构特征的基础上,构建了基于上述三种特征的动态剪枝二叉树,给出了基于SVM动态剪枝二叉树的脱机手写体汉字粗分类算法。在保证不错分和不漏分的前提下,通过剪去与待分类汉字特征无关的汉字集合的方法,提高粗分类的速度。　　 (3)研究了基于SVM的脱机手写体汉字识别算法。在粗分类的基础上,选择汉字的笔划密度特征、笔划方向特征和二维小波网格特征并进行特征融合,设计了SVM“一对多”脱机手写体汉字识别算法。　　 本文选用SCUT-IRAC HCCLIB手写体汉字样本作为实验数据、MATLAB7.0为仿真软件,对本文提出的利用SVM动态剪枝二叉树粗分类后再细分类识别的方法进行了实验验证,结果表明方法可行。