传统的手写输入法识别过程包括用户输入，单字识别，用户选择以及改错，在这个过程中，不免会打断用户书写过程中的思路，难以保持书写的连贯性，导致输入法的效率低。同时这种输入法识别模式，导致选择识别候选时，无法使用到文字之间的上下文信息，进一步导致识别率低。在手写识别过程中，每个用户的手写习惯以及连笔情况均不相同，对于独立于特定用户手写习惯的手写识别，相对于特定用户来说，手写识别结果不是很好。针对以上手写输入法存在的问题，本文设计了一种基于篇章文档的用户自适应模型手写识别方法。这种方法可以将手写文字与识别文字共同呈现给用户，可供用户编辑手写文字以及修改识别结果。一方面可以使用文字间上下文关系，进一步提高识别效率，另一方面也可以满足用户书写的流畅度。而针对特定用户来说，采集用户特有的手写特征，使用增量学习的方法，创建以及更新用户模型，以自适应的提高用户识别结果的准确率。利用以上篇章文字之间的上下文信息，使用语言模型以及相似度对识别结果进行后处理，第一候选的识别率有所提高。本文的研究内容以及主要工作包括三个方面。首先，添加自相似计算方法，根据用户手写文档，统计每个手写字符与其相似的手写字符，使用改进的动态时间弯曲算法用来计算两两手写字的相似度，以实现篇章级用户手写文档的相似度分析。其次，根据上下文信息，添加语言模型，使用基于字的二元文法调整候选项的位置。本文中使用N-gram语言模型来实现此功能。最后，构建用户自适应模型，采用增量学习方法，学习用户的手写字符信息，更新用户模型，在更新用户模型过程中，本文使用增量学习的LinearDiscriminated Analysis（LDA）与增量学习的Modified Quadratic DiscriminatedFunction（MQDF）相结合的方法。根据以上对系统做出的改进，识别效果有所提高。通过计算手写字符相似性，有效的减少了用户的修改操作，在修改第一识别结果时，根据字间相似度，能自适应的调整与其相似的手写字符的识别结果，间接地提高了手写识别的准确率。添加基于字的二元文法，并结合单字识别器分类结果，调整第一候选结果。通过实验验证，添加语言模型以及自适应模型后的系统，识别结果有了明显提高。