本发明公开一种改善的基于Ransac算法的鲁棒AdaBoost分类器构建方法，包括：初始参数设置、量样本随机选取、满足该模型样本加入、分类器模型更新、迭代构建下一个分类器模型、分类正确率计算、最终分类模型选出。本发明通过将Ransac算法引入到AdaBoost分类器模型构建过程中，并通过迭代建模的过程搜寻正确的样本；同时在全部基于AdaBoost算法构建的分类器模型中选取最佳分类模型。通过上述策略，本发明最终实现了基于Ransac算法的鲁棒AdaBoost分类器构建，获得的分类器模型的设计完全不受外点的影响。最后，基于本方法设计的AdaBoost分类器模型用于含有一定量外点的笔迹样本的验证，实验结果证明本文提出方法对比于另外两种AdaBoost分类器构建方法，拥有更高分类精度。