بازشناسی برخط نوشتار یکی از دشوارترین زمینه های شناسایی الگو و هوشمصنوعی بوده و همواره مورد توجه خاص محققان قرار گرفته است. پیچیدگی این زمینه, هنگام برخورد با زبان هایی مثل فارسی و عربی که حروف آن ها باتوجه به موقعیتشان در کلمه, شکلهای متفاوتی به خود میگیرند, دوچندان می شود. تحلیل دست نوشته ی فارسی یا عربی در مقایسه با زبان های لاتین، به علت حضور اجزای کوچکی ("نقطه", "دونقطه" و ...) بالا یا پائین حروف آن ها دشوارتر است. ورودی یک سیستم بازشناسی دست نوشته برخط, یک قلم و صفحه حساس مانند صفحات کامپیوترهای جیبی است. در زمینه بازشناسی برخط نوشتار عربی یا فارسی تحقیقات چندانی صورت نگرفته است. تعدادی از کارهای گزارش شده در این زمینه, محدود به بازشناسی حروف منفصل بوده و یا در زمینه بازشناسی لغات, شیوه نوشتاری خاصی برای کاربران, از پیش تعریف شده و بازشناسی انجام شده محدود به تعداد لغات موجود در یک فرهنگ لغت از پیش تعیین شده, بوده است. در این پروژه, نرم افزاری طراحی و پیاده سازی شده است که به صورت برخط, عمل بازشناسی کلمات دست نوشته فارسی که هر ترکیبی از حروف فارسی میتوانند باشند را, انجام میدهد. علت اصلی درنظر گرفتن لغتنامه برای یک سیستم بازشناسی, کاهش فضای جستجو در مرحله ردهبندی و در نتیجه, افزایش درصد موفقیت بازشناسی است. این دو مسئله به گونهایی دیگر در سیستم پیشنهادی محقق شدهاند. در مرحله طراحی سیستم, مشخصات مسیر حروف فارسی به همراه جزء کوچک مخصوص هر یک, ثبت میشوند. برای هریک از حروف و اجزای کوچک, یک نمونه از مدل مخفی مارکوف چپ به راست نیز در نظر گرفته میشود (به جز نقطه). در مرحله بکارگیری سیستم, بازشناسی برای هر کدام از زیرکلمات یک کلمه، مستقلاً انجام می شود. ابتدا پس از دریافت دنباله نقاط نوشته شده توسط کاربر, زیرکلمات به همراه اجزای کوچکشان بر اساس یک سیستم تصمیم گیری فازی، مرتب می شوند. سپس بازشناسی اجزای کوچک, انجام شده و رشتهای از اسامی آنها ساخته میشود. ایدهی اصلی سیستم پیشنهادی, انجام یک مرحله تولید نامزدهای معتبر زیرکلمه, براساس رمز مسیرهای حروف و انطباق همزمان رشته اجزای کوچک واژه های کلیدی : 1- بازشناسی برخط 2- دستنوشته 3- بازشناسی الگو 4- هوش مصنوعی 5- مدل مخفی مارکوف 6- وابسته به نویسنده 7- مستقل از نویسنده فصل اول