随着现代科学技术,特别是计算机技术的迅猛发展以及网络的普及,人们有更多的机会和便捷的手段获取和接触到大量的信息。但是也增加了从中获取有用信息的难度。为了从大量数据集合中找到模式,人们引入了聚类分析技术。目前,聚类分析已广泛应用于数据挖掘、图像分割以及模式识别等领域。本文主要研究聚类分析在手写汉字识别中的应用。手写汉字识别是模式识别中的一个重要的研究领域,通常情况下,分类识别都应用单模板分类器,也就是每一类汉字用单一模板表征。但是在手写文字识别中,由于不同的人书写习惯和方式不同,手写汉字通常会出现不同的书写风格,导致同一类汉字的书写字符差别较大,如果用单模板表征,会对整个系统的性能有很大影响。因此,为每一类别的不同风格汉字建立多模板显得很有必要。本文应用聚类分析将不同风格的书写汉字进行分类,提升了整个系统的性能。本文首先对聚类的概念、思想进行了详细的分析。目前,已经出现了很多聚类算法,主要有以下五种：基于层次的聚类、基于划分的聚类、基于密度的聚类、基于网格的聚类以及基于模型的聚类。这些聚类算法各有优缺点。本文在第三章实现了基于聚类的多模板手写汉字识别框架,该框架结合8方向特征提取算法和LDA算法,并选取了K-means、模糊k-means和谱聚类三种聚类算法进行了实验,在该框架中均取得了良好的效果,识别率有很大的提高。同时对比了这三种聚类算法在手写汉字识别中的识别性能。针对现有聚类算法的复杂度较高,本文介绍了一种快速K-means聚类算法,这种算法基于有序链表技术,实验表明,在维度不高的情况下,效果明显,比普通的K-means算法快。同时将该算法应用于手写汉字识别中,识别性能比普通的K-means聚类算法好,稳定性也良好。