本文构建了一个按顺序码顺序组织文件的手写汉字数据库模型，并在该模型和原HCL2000数据库样本的基础上，建立了脱机手写汉字数据库HCL2004，同时对训练样本数、训练样本质量的选择和单字的识别性能等进行了相关的分析。 本文在样本聚类和多模板匹配的基础上，建立了一个多级汉字识别系统，其中，对训练样本的聚类起到了补偿汉字变形的作用。该系统中，粗分类过程采用单模板匹配算法，细分类或细细分类则通过基于聚类算法生成的多模板匹配实现。 本文在最近邻广义置信度的基础上，给出了边界样本的定义，并据此提出了基于广义置信度的样本选择算法，通过在手写汉字识别系统中的应用，证明由该算法选择的训练样本集在训练样本数较少时得到了较好的标准模板，最终提高了系统的识别性能，从而证实了算法的有效性。