در این پایان نامه برای بازشناسی کلمات دستنویس فارسی و عربی برون خط، دو مدل ترکیبی جدید پیشنهاد شده است. با داشتن تعداد زیادی از کلمات، رویکردهای کاهش واژه نامه، روش های قدرتمندی برای هرس ابتدایی کلمات محسوب می شوند. دو مدل پیشنهادی، مبتنی بر روش های کاهش واژه نامه اند و مراحل پیش پردازش، قطعه بندی، استخراج ویژگی و طبقه بندی را در بر می گیرند. ویژگی هایی که از تصاویر کلمات استخراج می شوند را می توان به دو گروهخصوصیت نقاط کلمه و خصوصیت بدنه کلمهدسته بندی کرد.غالب مدل هایی که تاکنون ارائه شده است، تنها یک گروه از ویژگی ها را بکار می برند و توانایی کار با گروه دیگر را ندارند،اما مدل هایی که در این پایان نامه پیشنهاد شده، جهت افزایش کارایی، از هر دو گروهویژگی استفاده می کنند. مدل های پیشنهادی بر روی پایگاه داده ifn/enit که متشکل از بیست و شش هزار تصویر کلمه دستنویس است آزمایش شده و با دقت 95%، نرخ کاهش 89.6% و 96.2% بدست آمده است.