草图识别作为草图交互系统的关键所在已成为人机交互研究中的一个热点，但手绘草图所固有的模糊性及用户手绘输入的随意性成为笔式交互走向实用化的主要瓶颈，这要求手绘草图识别方法必须具有足够的适应性。因此，自适应手绘草图识别方法的研究成为笔式交互发展的一个重点和难点问题。 本文针对手绘草图的模糊性和随意性问题，提出了自适应的草图识别方案，包括：自适应的笔划分割、自适应图形识别和自适应图形识别优化方法。自适应笔划分割通过建立面向用户的笔划分割阈值模型，使得笔划分割能对不同大小和笔速的笔划进行高效准确的分割：自适应图形识别通过对图形动态特征的定义，能根据模板定义自适应地调整特征匹配而完成图形识别；自适应图形识别优化方法通过收集用户笔序习惯建立笔序树，在保证识别精度的前提下加快了识别速度。 论文的主要成果体现在以下几个方面： (1)提出了一种基于笔划分割的自适应草图识别方法。 笔划分割是复杂草图识别的必要步骤，本文提出了基于笔划分割的自适应草图识别方法，通过建立笔划分割模型与使用动态特征，为多笔画复杂手绘草图的模糊性、随意性和用户相关性提供了很好的解决方案。 (2)实现了自适应的笔划分割。 在笔划分割部分提出了自适应笔划分割，通过收集样本数据建立了笔划分割的阈值关于笔速和笔划大小的数学模型，并通过用户对不正确的分割进行立即反馈的方法不断调整。使用阈值模型动态的确定分割阈值能够适应不同大小不同笔速的笔划，有效的提高了分割的准确度。 (3)使用能够自适应调整的动态特征进行草图识别。 针对草图识别中特征选取方法和特征的有效性难以确定的问题，本文提出了自适应特征，它能跟据不同的模板动态的调整。自适应特征遍历了所有可能情况，有效地解决了草图的模糊性问题，但也因此带来了识别效率较低的问题。 (4)充分利用草图的上下文信息进行图形识别。 在图形识别阶段利用草图的上下文信息建立了用户绘图的笔序模型，它能够自适应用户的绘图笔序习惯，在保证识别精度的前提下，显著的提高了识别的速度。 本文通过对草图识别中的自适应问题的分析，提出了基于笔划分割的自适应草图识别方案。并在草图识别实验平台MagicSketch的基础上设计了适应草图识别实验。实验表明：包括自适应笔划分割与自适应图形识别在内的自适应草图识别方案具有很强的用户适应性，消除了因用户随意输入带来的识别困难，为草图理解的实现提供强有力的支持。