手写汉字识别是指将用户在设备上的书写笔迹记录并转化成最终汉字内码的过程,其中涉及到信息规整、模式识别等过程。手写汉字识别的难度主要体现在汉字集的庞大、用户各异的书写习惯及相似字的判别上。由于庞大的数据集,在对汉字的判别上识别系统需要花费大量时间进行判别。而传统的手写识别主要集中在单一设备上，设计人员受到设备资源的限制,如较低级的处理器、较小的内存空间等,需要在识别速度及准确率上做出一定的协调,这就导致在单机上识别率很难得到进一步的提升。　　针对这种识别率及识别速度的平衡问题,我们采用一种并行化的在线手写识别方法。这种方法秉承瘦客户端的优势,将计算量最大的识别部分集中在一个服务端集群,利用并行化加快识别过程,最终将识别结果返回给用户。这样解决了客户端计算能力不足的问题,并且能够在服务集群上利用并行化加快识别速度,既提高了识别率又提高了识别速度。　　在总结手写识别算法的基础上，本文的研究工作主要包含以下几个方面:　　(1)在改进的二次判别函数基础上，使用其变形公式实现数据的独立性,从而实现线性并行化,并利用加速比进行实验分析。　　(2)利用神经网络实现字符识别,采用平行并行化和垂直并行化两种并行化方式,实现神经网络的并行化。　　经实验测试,本文提出的并行化识别方法在不影响识别精度的前提下,极大的降低了字符识别时间,单字识别加速比达到2.7。实现的并行化在线识别系统能够达到用户自由书写并且流畅识别的需求。