谈谈手机的中文输入法

在中国，越来越多的人拥有手机，中文电话簿、中文短消息、中文记事本、手机聊天等众多功能的实现，使手机用户了解各种输入法的要求显得更加迫切。在众多手机厂商的大力支持下。手机的输入法技术达到了相当高度。本文就谈谈几种手机输入法。     

中文输入法三分天下

全球手机市场占有率最高的分别是诺基亚、摩托罗拉和爱立信三大品牌,形成三足鼎立局面。为了打人亚洲特别是华人手机市场,三大厂家分别为自己旗下的手机设计了不同的中文输入法,同样都出现“三分天下”形势。这三种输入法分别为ｉＴＡＰ（摩托罗拉采用）、Ｔ９（诺基亚采用）及字能（爱立信采用）。 下面就对三种输入法的情况进行介绍。 ｉＴＡＰ——自家创制不假外求 摩托罗拉早年曾经从美国Ｔｅｇｉｃ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ软件公司买入Ｔ９文字输入软件,但却从没将之直接引入手机,而是对其进行研究及改良。直至１９９９年初…     

手机中文输入法评测报告

起初听说“中文输入法”这个词语,还是在计算机刚进入中国时。计算机带动了中国ＩＴ行业的发展,面向中国用户的计算机中文输入法也就应运而生。反过来说,计算机在中国迅速普及和发展,中文输入法功不可没。《数字通信》作为一本手机通信类杂志,不会再对计算机的中文输入法老生长谈,我们要谈的只是手机中的中文输入法。     

独树一帜的阿尔卡特中文输入法

随着手机用户对手机性能要求的不断提高,中文输入已经是必不可少的了,但手机上的按键不过十几个,所以在手机上输入中文的效率之低也可想而知。为了提高手机的中文输人效率,各种智能手机输入法也应运而生,效率较高的应该是Ｔ９输入法,我们就用Ｔ９输入法和ＯＴ３０２的中文输入法来做一个比较。 先让我们来认识一下Ｔ９输入法。Ｔ９输入法高效率的核心在于声母、韵母智能组合,之后再选择拼音组合。例如输入“天”字,用Ｔ９输入法,先依顺序按数字键８（ＴＵＶ）、４（ＧＨＩ）、２（ＡＢＣ）、６（ＭＮＯ）,屏幕上会显示“ｔｉａｎ…     

十八般武艺各显神通：—中文输入法大比拼

对于国内用户来说,中文输入法与我们体戚相关。大多数用户对输入法的最基本要求是,任何会写中国字、会说中国话的人都能轻松、方便、简易地使用;而专业打字用户则要求输入法快速。方便、功能强大。本世纪90年代初,受计算机硬件的限制,手写输入没有进人实用阶段,键盘输入法大行其道,很多人称那是一段“万码奔腾”的时代。随着键盘输入市场的逐步成熟,少数汉字编码确立了它们的市场地位,竞争逐渐趋于平稳。但对一部分非专业打字用户来说,中文输入始终是一个负担。目前,计算机软硬件性能的提高,手写、听写系统与各种非键盘输入设备…     

嵌入式系统中文输入法的设计

在基于嵌入式系统的智能终端中,中文人机交互界面是必须的功能,某些系统还要求中文文本输入.本文介绍了一种占用较少资源并适于在MCU上实现的中文输入法.     

一种适用于智能终端中文输入法框架设计

分析了现有智能终端中文输入开发特点,提出了一个能适用于各种智能终端的中文输入法通用框架。该框架基于成熟的输入法引擎进行设计,由访问控制层,输入映射层,逻辑控制层,输入法引擎层和输出显示层组成,能适用于多种智能终端系统中文输入法开发,并具有良好的通用性、透明性和可扩展性;最后,文中用输入法开发实例说明了框架中各层之间的具体实现方法。     

开发中文Windows95汉字输入法的途径

本文介绍了一种开发中文Ｗｉｎｄｏｗｓ９５应用程序－输入法生成器的方法，并利用此方法将Ｕｃｄｏｓ５．０中丰富的汉字输入法移植到中文Ｗｉｎｄｏｗｓ９５之中，同时给出一个实现实例。     

Deep learning approach for investigation of temporal radio frequency signatures of drones

The omnipresence of drones in the civilian air space has led to their malicious usage raising high alert security issues. In this paper, a deep learning approach to detect and identify drones and to determine their flight modes from the remotely sensed radio frequency (RF) signatures is presented. This work intends to detect the presence of drones using two-class classification, the presence along with identification of their make using four-class classification. And this is further extended to the determination of their flight modes using ten-class classification. It employs the proposed architectures of prominent deep learning classifiers, namely, autoencoder (AE), long short-term memory (LSTM), convolutional neural network (CNN), and CNN-LSTM hybrid model. To procure the relevant information from 227 RF signatures having 100 fragments each, the seven significant temporal statistical features, namely, maxima, minima, mean, variance, skewness, kurtosis, and root mean square, are extracted. In a two-class classification scenario, all considered classifiers perform near to idle, whereas in a four-class classification scenario, CNN performs best, followed by AE, CNN-LSTM, and LSTM, respectively. Moreover, in a ten-class classification scenario, AE far outperforms CNN, followed by LSTM and CNN-LSTM, respectively. The best performance in terms of accuracy and classification time confirms the feasibility of the proposed AE classifier for the three considered drone operations.     

基于单片机的汉字输入法的实现

在需要实时大量输入汉字的显示控制处理应用中,利用传统单片机实现显示控制的设计方法是较难实现的.带汉字字库的液晶模块的使用使得小容量ROM单片机的大量汉字信息输入与显示成为可能.提出了针对汉字字库编码的二级索引拼音输入检索方法,介绍了以ST7920作为控制器的带汉字字库的液晶显示模块的接口方法及汉字显示和控制原理,给出了通用计算机键盘在单片机中的串行接口,采用该技术可大大增强单片机的汉字输入功能.为小容量ROM单片机的大批量汉字信息处理提供了一种汉字输入解决方案.     

融入注意力机制的深度学习动作识别

针对现有的深度学习方法在人体动作识别中易出现过拟合、易受到干扰信息影响、特征表达能力不足的问题,提出了一种融入注意力机制的深度学习动作识别方法.该方法在数据预处理中提出了视频数据增强算法,降低了模型过拟合的风险,然后在视频帧采样过程中对现有的采样算法进行了改进,有效抑制了干扰信息的影响,并在特征提取部分提出了融入注意力的残差网络,提高了模型的特征提取能力;之后,利用长短时记忆(Long Short-Term Memory,LSTM)网络解决了空间特征的时序关联问题;最后,通过Softmax完成了相应动作的分类.实验结果表明,在UCF YouTube、KTH和HMDB-51数据集上,所提方法的识别率分别为96.72％、98.06％和64.81％.     

Software-defined networking QoS optimization based on deep reinforcement learning

To solve the problem that the QoS optimization schemes which based on heuristic algorithm degraded often due to the mismatch between parameters and network characteristics in software-defined networking scenarios,a software-defined networking QoS optimization algorithm based on deep reinforcement learning was proposed.Firstly,the network resources and state information were integrated into the network model,and then the flow perception capability was improved by the long short-term memory,and finally the dynamic flow scheduling strategy,which satisfied the specific QoS objectives,were generated in combination with deep reinforcement learning.The experimental results show that,compared with the existing algorithms,the proposed algorithm not only ensures the end-to-end delay and packet loss rate,but also improves the network load balancing by 22.7% and increases the throughput by 8.2%.     

Cross-Band Spectrum Prediction Based on Deep Transfer Learning

Spectrum prediction is a promising technology to infer future spectrum state by exploiting inherent patterns of historical spectrum data.In practice,for a given spectrum band of interest,when facing relatively scarce historical data,spectrum prediction based on traditional learning methods does not work well.Thus,this paper proposes a cross-band spectrum prediction model based on transfer learning.Firstly,by analysing service activities and computing the distances between various frequency points based on Dynamic Time Warping,the similarity between spectrum bands has been verified.Next,the features,which mainly affect the performance of transfer learning in the crossband spectrum prediction,are explored by leveraging transfer component analysis.Then,the effectiveness of transfer learning for the cross-band spectrum prediction has been demonstrated.Further,experimental results with real-world spectrum data demonstrate that the performance of the proposed model is better than the state-of-theart models when the historical spectrum data is limited.     

基于深度学习的代码审查意见有效性评估

针对代码审查过程中的代码审查意见对于开发者可能无价值的问题,文中提出了一种基于深度学习长短期记忆网络的代码审查意见有效性评估方法。该方法通过提取代码审查意见中与审查意见有效性相关的特征,并根据这些特征构建评估模型,从而评估审查意见对于开发人员是否有价值。为了验证方法的有效性,文中选取了GitHub上开源Eclipse项目中的审查信息作为实验数据,并将所提方法与其它机器学习方法对比。实验结果表明,该方法可以有效评估审查意见的价值。     

复镜像法分析探地雷达天线阻抗特性

为保证探地雷达天线与发射系统的良好匹配，文中采用复镜像法分析了贴地偶极天线阻抗在加载和未加载的情况下，天线阻抗随频率和地下媒质参数的变化特性。发现在300MHz到600MHz的高频情况下，天线的输入阻抗随着地下媒质的介电常数(εr=2～10)的变化较大，随媒质电导率(σ=0．0001～0．05S／m)的变化较小；在采用分布加载之后，天线的输入阻抗随着地下媒质介电常数的变化量与未加载时基本相同，但天线的频带却得到较大地加宽。     

基于实例学习和协同子集搜索的特征选择方法

特征子集搜索是数据挖掘分类任务中一个关键性的难题,常用的过滤器方法忽略了基因之间的相关性,此外,现有的解决方法并不是专门针对处理小样本数据,因此在特征选择方面表现出了不稳定性.为了解决上述问题,在实例学习的基础上提出了一种新型的混合封装过滤算法,并且提出了一种具有封装器评价体系的分类器算法——协同性子集搜索(CSS).选取几个高维小样本的癌症数据集作为数据来源,对提出的评价体系进行了实验测试,结果表明,该方法在准确性及稳定性方面较其他方法表现更好.     

基于多模型融合的航空电子产品故障预测方法

针对复杂机载环境应力条件下航空电子产品故障预测所面临的退化趋势差异大、训练数据样本量小等问题,提出了一种改进长短期记忆(Long Short-Term Memory, LSTM)神经网络模型与集成学习框架相结合的故障预测方法,以满足现代综合航空电子系统智能调度管理与自主维护保障的需求。该方法在LSTM模型中引入Dropout机制,构建基于不同历史数据集的差异性LSTM模型组,以解决故障预测时序信息记忆问题与小样本条件下数据驱动模型训练过拟合问题;采用Adaboosting算法计算模型权重,并基于实时数据动态调整,以滤除复杂机载环境应力引入的预测误差,解决多模型融合的性能差异问题。最后,采用NASA公开的锂电池退化数据集进行仿真验证,实验结果表明,相较于传统BP神经网络、经典LSTM和LSTM基模型,该方法具有更高的趋势拟合度和预测精度。     

用于特征筛选的基于目标值的最近邻法

用传统的最近邻（KNN）法找出最近邻点后,利用曲面平滑化原理,按照这些点的目标值分布情况进行模式识别识别的特征筛选,与基于分类的最近邻法比,减少了人为的分类过程。