针对字符识别对象的多样性，提出了一种基于Bagging集成的字符识别模型，解决了识别模型对部分字符识别的偏好现象。采用Bagging采样策略形成不同的数据子集，在此基础上用决策树算法训练形成多个基分类器，用多数投票机制对基分类器预测结果集成输出。理论分析与仿真实验结果表明，所提模型相比其他分类方法具有更好的分类能力。