字符识别一直都是模式识别领域中的一个热门研究课题,在数字化办公、文字信息化存储等方面都有着重要的应用价值和社会意义。虽然目前大多数字符识别技术已运用到我们的日常生活中,但脱机手写字符识别的研究依然还处于实验研究阶段。手写字符相似性高、书写无约束、同一字符具有多种书写风格的问题严重影响了脱机手写字符识别质量。本文以手写汉字为研究对象,构建了脱机手写汉字识别系统,从汉字字符图像规范化,到统计特征提取,再将高维冗余统计特征压缩得到低维、精确特征,最后经过分类器训练得到每个字符最具代表性的字符模板,以供测试字符识别。针对使用单一字符模板的脱机手写汉字识别系统字符识别正确率低的问题,本文利用聚类分析能够对同一事物不同形态做出合理分类的特点对脱机手写汉字识别系统进行改进,分别对所有汉字不同训练样本的低维统计特征进行聚类,得到同一汉字的多个不同书写风格模板。实验结果表明聚类算法能提高脱机手写汉字识别系统的识别正确率,在众多聚类算法中AP聚类能得到较好识别结果。针对AP聚类算法需要预先设置偏向参数以得到不同类别个数的缺陷,本文利用聚类评估函数能够评判聚类质量的特点对AP聚类算法进行改进,该算法能在算法迭代过程中自适应地改变偏向参数以调整类别数,并且结合每次的聚类质量得到最优的聚类结果。实验结果表明,本文提出的改进算法改善了算法收敛性和聚类质量,进一步提高了脱机手写汉字识别正确率。