普适计算的深入发展促使人机交互方式从以“计算机为中心”到以“人为中心”的转变。手绘草图作为一种自然而直接的表达思想和进行交流的方式，在符合人们“笔录纸现”的传统思维表达习惯的同时，充分利用了现代计算机强大的计算能力和信息维护能力。在工业设计、软件工程等领域，以手绘草图为主的人机交互方式已经得到了广泛的应用。但是，手绘草图中固有的信息模糊性以及用户输入的不确定性一直是制约其更快发展的根本所在。 在草图理解中，笔画成组起到承上启下的作用，连结了用户输入、笔画分割与符号识别过程。笔画成组对用户输入(和/或)预处理后的信息进行分类，输出用于识别的待识别笔画集合，提高符号识别的成功率，从而提高整个草图理解系统的有效性及效率。本文对草图理解中的笔画自动成组技术进行了研究，通过对符号的分析、分类，确定影响笔画成组的各种有效特征，并进一步提出草图理解中的笔画自动成组策略，最后通过实验验证本文方法对草图模糊性和用户适应性问题解决得有效性。 论文的主要成果体现在以下两个方面： 1． 对符号的分类以及对影响草图笔画成组的有效特征的分析：本文详细分析了不同类型的符号以及影响符号笔画成组的各类特征，将符号分为开放类符号和封闭类符号的同时，提出反映笔画本身的数值特征、结构特征，以及对当前状态敏感的动态特征；在分析这些特征的基础上，本文提出关联子函数RSF(Relative Sub—Function)和界定子函数BSF(BoundedSub—Function)，并将二者应用到确定符号有无以及确定符号笔画归属的问题中。 2． 草图中笔画自动成组策略的研究：分析完整草图中笔画成组的策略、时机。系统在接受用户输入的笔画和/或预处理后的信息后，首先对当前状态进行分析，确定当前是否处于符号处理状态，对于无符号状态，确定新笔画是否构成新符号，并针对新符号查找符号起始笔画；对于有符号状态，确定新笔画是否属于当前符号，依次支持整个笔画成组过程。本文笔画成组方法是一个对用户透明的、实时的在线过程。 在上述工作的基础上，本文构建了一个草图笔画自动成组实验平台，在该平台上对方法进行验证。其中包括对RSF和BSF在分类符号上的有效性实验，以及对不同用户、不同绘图方式下的笔画成组有效性实验和用户适应性实验，实验结果表明本文方法可以很好解决草图信息模糊性问题和用户适应性问题。