随着科学技术的快速发展,计算机处理速度越来越快,用计算机解决现实生活中的问题是一个热点的研究方向。由于手写数字的识别存在于邮件分类、文献检索、银行票据等很多领域中,因此手写数字识别是模式识别中的一个较为重要的研究方向,如何提高识别正确率及其效率也是大家奋斗的目标。本文分四步进行研究手写数字识别。第一步,相对人脸等其它对象样本向量的维数而言,手写数字样本的向量维数是较小的,因此直接采用支持向量机+多分类算法进行训练和识别。本文选择的多分类算法有1-(k-1)算法、二叉树、二分法和投票法。通过实验结果的分析,得出二分法和投票法相对较优,但是不足之处在于,要得到高的识别正确率必须要很多训练样本,这样就必须花很长时间进行训练样本。第二步,采用PCA进行降维,可以减少训练样本的时间。但是降维之后,识别准确率没有得到提高,这可能与所选的样本和样本向量的数据有关。第三步,从减少训练样本数入手,考虑到训练样本间的相似性,采用相似形态配对想法来挑选训练样本。结果挑选出639个训练样本,对100个待测样本进行识别,识别准确率达到了87%,这个结果对比于第一步的结果有了个明显的提升。第四步,继续延续第三步的想法,即从减少训练样本入手,通过聚类分析得到新的训练样本,再进行实验。最后得出结论,即选用相似距离+层次聚类中的中间距离算法+多分类的投票算法之后,当挑选出1800个训练样本时,识别正确率达到97%,这样保证了高的识别正确率,并且大大降低训练样本的时间。