脱机手写体汉字图像认知由于其汉字字形种类繁多、相似字的存在、书写习惯因人而异等特点,是模式识别方向的热点,也是难题之一。本文基于变精度粗糙集模型,构建了脱机手写体汉字认知决策信息系统,研究了该模型中认知精度与分类效果之间的关系,提出了一种变精度反馈智能认知机制,以降低脱机手写体汉字认知系统的复杂度并提高认知准确率。本文的主要工作如下:1.探索了一种脱机手写体汉字认知决策信息系统的构建方法。分析汉字各种特征模式,基于变精度粗糙集理论,建立了有限论域以及有监督学习方式的脱机手写体汉字认知决策信息系统,给出了多特征信息组合时认知知识充分性判据,构建了有限论域下认知信息充分性表征的脱机手写体汉字认知决策信息系统。2.建立了一种基于变精度粗糙集的脱机手写体汉字特征属性约简方法。定义了基于信息量重要度和近似依赖度重要加权的特征分类能力性能指标,并给出了基于该特征分类能力的汉字特征属性约简算法,获取不同认知精度下的简约特征集合。3.提出了一种脱机手写体汉字变精度反馈认知机制。建立了基于熵测度的汉字认知结果评价指标,定义了汉字认知结果误差熵,并给出了基于结果评价的认知精度变换规则,获取脱机手写体汉字认知过程中最优简约特征集,从而降低认知系统复杂度及提高认知准确率。4.探索了一种脱机手写体汉字认知规则融合方法。针对脱机手写体汉字认知过程中的不确定性,对于没有规则完全匹配的样本拒识问题,设计了一种具有两层分类器的分类器组对认知规则进行融合,获取汉字真实属性,降低拒识率。为了验证提出方法的可行性和有效性,采用了 GB23122-80中文字符库中的手写体汉字图像样本数据库进行验证,采用Matlab仿真表明,该方法有效地提高了脱机手写体汉字认知准确率。