什么方法手写体识别率高

手写体识别技术的识别率受多种因素影响，例如数据集质量、算法选择、特征提取等等。以下是一些手写体识别方法，其识别率相对较高：

1. 卷积神经网络（CNN）：CNN 是一种深度学习算法，用于图像识别任务。它可以自动提取特征并将其组合在一起，以实现高效的图像分类和识别。

2. 隐马尔可夫模型（HMM）：HMM 是一种统计模型，用于序列数据的建模。在手写体识别中，HMM 可以将手写字母的轮廓转化为序列数据，并使用 HMM 进行特征提取和识别。

3. 支持向量机（SVM）：SVM 是一种监督学习算法，用于分类和回归问题。在手写体识别中，SVM 可以将手写数字映射到高维特征空间，并在该空间中找到最优的分类边界。

4. 决策树（DT）：DT 是一种监督学习算法，用于分类和回归问题。在手写体识别中，DT 可以根据手写数字的特征进行分类，例如线条的数量和曲率。