在联机手写汉字识别系统中，基于结构特征模式表示的汉字，往往会从输入得到待识别的特征向量，而对于标准汉字都已经定义了参考的特征模式。只要把待识别的特征向量与标准的参考模式进行匹配，即可得出相应的汉字。那么采用什么方法来进行匹配，才能使汉字识别得到更高的识别率与性能呢。这里参考了一些相关论文，列举几种相关的方法。
“结构匹配方法又可以分为四类：DP（Dynamic Programming，动态规化）匹配，笔段对应，相关性匹配及基于知识的匹配。DP匹配是基于序列的匹配，因此其是笔顺依赖的。DP匹配是寻找两个输入字符串的最小编辑距离。在联机手写识别中，由于输入是点的时序列，这种DP匹配也叫做动态时间扭屈(Dynamic Time Warp，简称DTW)。DP匹配是一个成熟的技术，但是利用其是否能具有显著的分类性，则取决于DTW的具体定义及判别方法的选取。笔段对应技术同样也是将输入笔段与模板原型中的笔段对应，将所有笔段间距离的总和作为最终模式之间的距离。与DP不同的是，有时它允许按照一定的规则，在局部进行笔段先后顺序的交换。笔段对应与相关性匹配的区别在于，它不考虑笔段间是否相交等相互关系。笔段的对应过程中有时要用到DP技术。与此相关的另一个技术是继承匹配，它可以提高匹配的速度，当一些笔段或是基元被一些汉字所共享时，分类器可以变为一个决策树或是网络。当一个笔段或是基元被确定时，字符识别器就在树或网络上前进一条边。相关性匹配是在一定的关系限定下寻找对应。它可以被认为是一个一致性标记问题，而使用启发式搜索技术或是松弛标记技术来解决。一种很著名的启发式搜索技术A*算法。基于知识的匹配是事先将字符的结构信息作为启发规则或是限制。这种限制可以有效的减小结构匹配的搜索空间，而且基于知识的方法也被用于对笔段序列进行重新排序，基元检测及字符匹配等。”（该段内容摘抄自《基于笔段特征与方向特征的联机手写汉字识别研究》）
