本发明涉及一种基于改进距离核主成分分析的手写体数字识别方法，属于模式识别与人工智能领域。本发明的特征在于，采用MNIST数据库作为实验对象，首先对样本进行二值化预处理，将处理后的样本数据利用距离核映射的核特征空间，在核特征空间利用K均值聚类将训练样本集分为N类子集，然后在核空间中计算核矩阵的特征向量得到变换矩阵，利用变换矩阵进行特征提取，将提取的特征数据集放入支持向量机建立训练模型，最后利用模型预测测试样本的识别率。本发明可以很好的提高手写体数字识别率高，减少运行时间，并且可以解决大样本的计算代价巨大的问题。