字符识别是模式识别领域的重要研究方向。目前,其主要的研究方法大都是基于统计学的,研究者需要搜集大量的标记样本进行训练,然后生成分类器进行分类,这样耗费大量的时间与人力。因此,本文在基于主动学习与支持向量机理论的研究基础上,引入了主动学习与支持向量机相结合的字符识别方法。与以往的识别系统不同,它不需要人工去标记所有样本进行学习训练,该系统能够向用户询问训练过程中的不确定样本,在与人们沟通的同时,不断完善自身的识别效果,而且系统不需要将所有样本训练完,这样一来就减少了人工标记样本的工作量。另外系统还能够不断地通过询问进行学习更新,提升系统识别的效果。文章先介绍了研究所需要的理论知识。从一般的光学字符识别过程入手,针对字符识别的重要环节——预处理和特征提取展开研究。根据支持向量机和主动学习的原理,引入了主动学习SVM相结合的思想,并将此方法应用到光学字符识别软件中去。本文采用大量字符数据,通过试验验证了此方法的可行性,并利用其原理实现了一个简单的,基于主动学习SVM的字符识别软件。