笔迹作为人的一种常见行为特征，越来越多地被应用于生物识别中。计算机笔迹鉴别经历了半个世纪的发展取得了一定的成就，但是鉴于笔迹鉴别自身的特点，现阶段通过改进某种单一方法或某种特征来改善笔迹鉴别的效果是非常困难的。信息融合技术为笔迹鉴别技术带来了突破口，尤其是在特征字的选取和判决决策的过程中发挥了重要作用。信息融合是对原始信息按照一定的算法和规则加以自动分析、综合，并为特定的任务提供决策参考的一项技术。信息融合增强了系统的可靠性，增强了数据的可信任度，提高了鉴别正确率。　　 本文论述了笔迹鉴别的系统框架，分析了矩法、街区距离变换法和高阶相关法三种传统鉴别方法。基于对计算机笔迹鉴别特点以及这三种方法特点的分析，提出了基于方法融合和字符融合思想的一种新的笔迹鉴别算法。通过多个字符的融合，能够排除字符在几何形状和架构上的相同点，尽量减小鉴别过程中的片面性和不确定性。通过对多种方法的融合，让具有不同特点的方法能够实现优势互补，达到较高的鉴别正确率。　　 论文引入了置信度的概念，对三种方法提取的同一人书写同一字符的特征向量进行统计，得出字符特征向量间的距离与相似度（置信度）之间的关系，将样本字符与检材字符之间的距离转换为置信度。置信度能够让不同字符和方法下提取的不同标准的特征能够在同一量级进行融合。融合采用了加权投票的方法。融合算法中的权值与单字符在单一方法下的鉴别正确率有关，单一鉴别时正确率越高则融合中的权值越大。通过统计同种方法对不同字符鉴别的不同正确率和不同方法对同一字符鉴别的不同正确率，能够得出多字符融合中不同字符的权值，以及多方法融合中每一种方法的融合权值。　　 采用字符融合和方法融合的方法分别进行实验，实验结果显示，融合后的笔迹鉴别正确率比融合前有很大的提高。单方法多字符笔迹鉴别的一候选正确率达到90％以上，多方法单字符笔迹鉴别的一候选正确率在75％左右，多方法多字符笔迹鉴别的一候选正确率达到95％以上。