چکیده: این پایان نامه به ارائه روشی ریاضی جهت شناسایی و مطابقت نویسنده از روی نمونه‌های دست‌خط برون‌خط (از ویژگی‌های رفتاری سیستم‌های بیومتریک) می‌پردازد. در یک سیستم شناسایی دست‌خط، در مرحله اول نیاز به استفاده و یا تهیه یک بانک اطلاعاتی مربوط به دست‌خط می‌باشد. روال انجام این کار بدین صورت است که ابتدا پایگاه داده ای از دست‌خط افراد که سعی کرده اند دست نوشته ای خاص را جعل کنند را جمع آوری می شود سپس این پایگاه داده به دو گروه آموزشی و آزمایشی تقسیم می‌شوند. گروه آموزشی،80 درصد از داده های کل را در بر می گیرد. نویسنده‌ی هر یک از نمونه‌ها در مرحله آموزشی مشخص می‌باشد. در مرحله بعد معیاری برای شباهت‌های بین دست‌خط هر نویسنده در این گروه تعیین می‌شود بر اساس همین معیار در نهایت تصمیم گرفته می‌شود که دست‌خط متعلق به چه فردی می‌باشد. از ویژگی هایی که ما در این پایان‌نامه از آن برای معیار شباهت استفاده کردیم می‌توان به ویژگی مبتنی بر ریخت‌شناسی سطح خاکستری و ویژگی زوایای نقاط پیرامون اشاره کرد که با روابط ریاضی همچون تبدیل موجک و. .. ترکیب شده‌اند. گروه آزمایشی که شامل 20درصد از داده های کل است شامل داده‌هایی است که بر اساس معیار به دست آمده توسط داده‌های آموزشی مورد ارزیابی قرار می‌گیرند. این بدین معنی می‌باشد که در این مرحله هیچ اطلاعی از نویسنده دست‌خط در اختیار نمی‌باشد و بایستی بر اساس ویژگی‌ها و معیارهای شباهت که در مرحله آموزش به دست آمده است تصمیم‌گیری جهت اینکه دست‌خط به کدام فرد تعلق دارد صورت گیرد. ما در این پایان نامه از روش‌های مختلف بازشناسی الگو نظیر ماشین بردار پشتیبان، k نزدیک‌ترین همسایه، شبکه عصبی چندلایه و شبکه تابع اساسی شعاعی استفاده نموده‌ایم. بدلیل در دسترس نبودن پایگاه داده به منظور تشخیص نویسنده و همچنین تولید پایگاه داده که به منظور تشخیص جعل ایجاد شده باشد در این پایان‌نامه سعی به ایجاد 110 نمونه دست‌نوشته از 100 نویسنده شده است. که از نویسنده ی دست نوشته اصیل (معیار جعل) 11 نمونه دست خط و از 99 نویسنده دیگر نیز یک نمونه دست خط جعلی گرفته شده است. ما در این پایان‌نامه موفق شدیم با استفاده از روش Kنزدیک‌ترین همسایه برای درصد موفقیت تشخیص درست جعل به 99% برسیم که در نوع خود موفقیت مناسبی است.