手写体数字识别在很多领域具有广泛的应用前景,国内外学者对此做了大量的研究工作,提出了许多很好的模式识别算法,其中支持向量机(SVM)技术是最为优秀的是算法之一。然而,SVM还有诸多的缺点,比如无法获得概率式输出,需要估计一个误差参数C,模型不够稀疏等。相关向量机算法(RVM)克服了SVM方法的上述缺点,同时还能获得与SVM相似的推广能力。为了提高手写体数字识别系统各方面的性能,本文对RVM方法进行了深入研究,并将RVM技术应用到了手写体数字识别当中。本文首先对RVM基本理论进行了研究。其次,通过实验仿真分析,研究了核函数参数对RVM结果的影响,并对RVM方法和SVM方法进行了各方面的分析比较。再次,提出了一种基于稀疏性假设的RVM核参数优化方法以及一种基于RVM回归的分类方法,并通过实验结果证明了方法的可行性。最后,采用性能比较好的有向无环方法(DAG)构造RVM多类分类器,并将其应用到手写体数字识别当中,通过实验表明了RVM方法用于手写体数字识别的可行性和有效性。