脱机手写体汉字识别是当前模式识别领域的一个研究热点,理论和技术上都具有较大的研究价值。支持向量机(SVM)理论是基于统计学习理论基础上的,它较好的解决了小样本学习的问题。SVM算法是建立在结构风险最小化原理基础之上发展成的一种新型结构化学习方法,能很好的解决有限数量样本的高维模型的构造问题。因此,将SVM理论运用于脱机手写汉字的识别有较大的理论意义和实践价值。本文分析比较了SVM核函数选取和参数确定在脱机手写体汉字识别中的应用,主要工作内容如下:(1)手写体汉字图象的预处理与特征提取。介绍了手写体汉字样本图象的灰度化,二值化,汉字图象的滤波,汉字大小的归一化处理。给出四种汉字图象特征提取的方法。这四种方法样本数据的融合可对手写体汉字整体与笔画和统计与结构特征的互补性表征,可以更好的用于小样本集的SVM识别。(2)字符识别。提出了一种基于支持向量机的手写体汉字识别器。该方法可以在汉字样本数量相对较少的情况下,通过支持向量机训练,最后得到较好的识别结果。(3)手写体汉字SVM分类器核函数以及核参数的选取。在分析各种核函数特性基础上,通过仿真实验比较了各种核函数在汉字识别中的性能。为手写体汉字识别这一具体问题的核函数选择进行了尝试。选取了SCUT-IRAC手写体汉字样本库作为实验样本,以MATLAB6.5和VC++6.0为仿真工具进行了实验验证。实验结果表明:对于手写体汉字特征的小样本识别问题,用支持向量机以及核函数训练识别是可行的。