手写汉字评价方法研究进展

手写汉字评价推动了计算机辅助教学的快速发展,如何通过手写汉字评价技术,在无教师帮助的情况下实现手写汉字的等级/规范性评价是当前研究的重点。对手写汉字评价相关概念以及发展趋势进行阐述;对手写汉字评价的不同研究方法进行详细介绍,包括基于规则、特征相似度计算、模糊矩阵以及机器学习等方面,并对各种方法的优缺点进行总结归纳;对手写汉字评价的反馈形式进行介绍,包括数据到文本生成、字形匹配与图形辅助等方面;分析手写汉字评价面临的多个问题,进一步思考其未来的发展。     

汉字智能书写及其算法

在计算机上演示汉字的规范书写过程，是许多汉语教学软件和电子汉语词典所追求的功能。提出了一种汉字智能书写的算法。该算法通过预制作收集并保存汉字的书写过程信息，书写时根据这些信息，动态地产生起笔落笔、速度变化、语音提示等各种书写效果.文中给出的算法预制作简单、数据量极小，适合于各种多媒体汉语教学软件和电子汉语词典中使用。     

利用POWERPOINT演示书写效果

老师说在教学书写汉字的时候,用的方法大部分都是在黑板上画出“米”字格,然后再按照汉字书写的顺序一笔一划的用手工书写,然后纠正学生错误的笔画。而现在已经进入多媒体教学时代,在使用多媒体课件授课时,如何用计算机实现汉字书写顺序的教学演示呢？这里我们用OFFICE 2003中的Word、Powerpoint就能实现这个功能。     

基于计算机的汉字笔画顺序纠错模型设计与实现

针对目前社会上人们汉字笔画顺序书写不规范不重视的现象,为了纠正学习者在平时养成的错误的书写习惯,设计与实现了基于计算机的汉字笔画顺序纠错模型,并面向应用设计了基于计算机模拟人的手写过程的汉字笔画顺序书写练习与纠错系统,方便教师教学、学生学习以及纠正自己的汉字笔画书写的不良习惯,从而对我国汉字笔画书写顺序的传承起到保护作用。     

探究汉字智能书写及其算法

汉字智能书写已经广泛应用在PC、手写板、税控机,手机、学习机、导航仪、PDA等各众多办公与嵌入式领域,具有极为重要的作用。该文首先分析了汉字智能书写优点,其次,对汉字智能书写算法原理和汉字智能书写算法分析进行深入的探讨。最后,对汉字智能书写性能实验结果进行讲解,具有一定的参考价值。     

虚拟现实技术在CAI中的应用

概述了虚拟现实技术的产生、特征和应用 ,研究了我国计算机辅助教学的发展现状和存在的问题 ,以及虚拟现实技术在计算机辅助教学中应用的重要意义。     

汉字书写质量的模糊分析方法

对书写汉字进行质量评价,可以客观评价书写的美观程度,指出甚至纠正汉字书写中的不规范的情况。针对规定格式的汉字书写常见的几种书写问题,在书写笔画和书写结构方面,通过提取不同的书写特征向量,采用模糊分析的方法,对汉字书写质量进行了客观的评价。实验表明,这种评价方法准确高效,能很好实现汉字书写辅导。     

联机汉字篇章书写质量评价研究

该文的研究工作针对硬笔汉字篇章书写练习的智能评价与指导需求展开。在PAD等数字录入设备支持的联机书写状态下,以记录书写笔迹的时序点集为依据,先实现分行割字,再进行行水平、行间距稳定性、行间距均匀性、字间距均匀性和左对齐等的计算并获得特征参量。最终通过专家经验赋权法给出直观的书写质量评价结果。实验表明,该系统可以对篇章书写质量给出较符合主观习惯的评价,能够用于指导书写者进行汉字篇章书写练习。     

汉字字形计算及其在校对系统中的应用

汉语是一种开放大字符集语言,汉字字形相似度计算是汉语信息处理的一项基础研究,对于汉字识别、计算机辅助的汉语文章校对和汉字教学都有重要作用.本文对现有汉字字形结构描述方法从图形相似角度进行了改进,并给出了一种基于结构描述的字形相似度计算算法,该方法计算相似度无需字形样本实例的学习训练,对于常用字和难于获取书写样本的生僻字的相似度计算,都具有很好的适应性,可满足不断扩大的汉字集合计算相似度的需要.实验表明,采用此法计算得到的GB2312中6763个汉字的相似字表,与人的认知结果吻合度很好,并应用于计算机辅助校对系统中的别字修改提示,显示出较好效果.     

计算机辅助教学应用于技术院校的研究

本文主要介绍了计算机辅助教学的内涵及其教学形式,从现实意义上介绍了计算机辅助教学,并分析了计算机辅助教学在当前技术院校中的开展情况;阐述了在技术院校中,计算机辅助教学存有的失误以及需要解决的问题,并提出了相应的解决方案,为以后的技术院校的计算机辅助教学工作的开展做出了深刻总结。     

手持练字系统的设计与实现

为了克服现有传统汉字书写练习方法的字贴字不集中、不能及时进行书写指导,效果反馈不及时和判定不规范的缺点,根据所提出的使用电子技术的练字方案,进行了手持练字系统的设计与实现.该系统由液晶触摸屏、硬件电路板、软件程序、控制和信号处理算法、带有笔机构的壳体和书写练习用的笔组成.使用液晶触摸一体屏和C51语言实现了触摸控制的多页面的人机界面设计,采用遗传算法进行液晶屏的在线对比度调节,采用可调背光亮度、触摸式开机和触摸屏在线校准的方法完成系统状态设置,采用数字滤波的方法处理手写练字数据,采用小波变换提取手写练字和字帖字的特征进行书写效果评分.样机的具体实现情况说明,整体方案可行,设计方法正确,较好地完成了电子式汉字练字的功能.     

汉字手写笔迹鉴别预处理算法的研究

研究了笔迹鉴别中的各种预处理算法,对传统的方法进行了改进.与传统的预处理方法相比,增加了笔迹图像背景去除、标点去除、汉字过分合并等功能,省去了去除行间和字间的空档的步骤,实现了汉字的任意拼接.以Matlab7.0为开发平台进行了大量的实验,实验结果表明,提出的算法具有处理效果好、可行性强、速度快等优点.最后用20个人120幅样本作对比实验,新算法可以提高笔迹鉴别率5%左右.     

面向连续叠写的高精简中文手写识别方法研究

连续手写识别是中文手写输入技术的核心,自然、快捷地输入中文信息一直是模式识别乃至人工智能领域追求的目标。提出了一种有效克服小屏幕限制的连续叠写汉字识别方法。该方法基于切分-识别集成的解码框架,先使用过切分算法处理输入的书写轨迹;然后启用一种新颖的感知机算法判定字符的边界;随后采用来自字符分类模型、几何模型和语言模型的多种上下文信息进行路径解码。为适应不同类型的移动终端,特别提出了一种高效压缩字符分类模型的方法,以有效减少字符识别过程对存储和内存的占用。该识别方法已在Android平台上部署,并进行了大规模的测试实验。实验结果证实了该识别方法的性能和效率。     

一种连续手写中文的演化分割方法

在连续手写中文中,有偏旁部首离得较远的单字,单字之间可能会存在粘连、重叠。针对这种情况给出了一种基于识别得分提取单字的演化方法。对行笔划序列进行二进制编码,采用改进的遗传算法实现演化过程。染色体中连续0或1对应的笔划组成候选单字。用汉王手写单字识别器获取它们的识别得分,以单字个数较少和总的识别得分较大为优化目标。遗传算法中的变异概率和交叉概率自适应生成。测试结果表明该方法对连续手写中文具有较好的分割效果。     

基于多通道融合的连续手写识别纠错方法

在基于识别的界面中,用户的满意度不但由识别准确度决定,而且还受识别错误的纠正过程的影响.提出一种基于多通道融合的连续手写笔迹识别错误的纠正方法.该方法允许用户通过口述书写内容纠正手写识别中的字符提取和识别的错误.该纠错方法的核心是一种多通道融合算法.该算法通过利用语音输入约束最优手写识别结果的搜索,可纠正手写字符的切分错和识别错.实验评估结果表明,该融合算法能够有效纠正错误,计算效率高.与另外两种手写识别错误纠正方法相比,该方法具有更高的纠错效率.     

基于多重规则和路径评价的在线中英文手写识别方法

手写文本识别方法主要应用于文本输入技术,对人机交互领域的发展起关键作用。针对多数在线输入法无法识别中英文混合手写识别的问题,提出一种在线中英文混合手写文本识别方法。通过对文本笔画进行基于水平相对位置、垂直重叠率、面积重叠率规则的整合以及连笔切分,得到一系列字符片段,同时利用笔画个数、宽高比、中心偏离、平滑度等几何特征和识别置信度,对字符片段进行中英文分类。在此基础上,根据分类结果并结合自然语言模型的路径评价及动态规划搜索算法,分别对候选的中、英文字符片段进行合并处理,得到待识别的中、英文字符序列,并将其分别送入卷积神经网络的中、英文识别模型中,得到手写文本识别结果。实验结果表明,在线手写中英文混合文本识别正确率达93.67%,不仅能切分在线手写中文文本行,而且对包含字符连笔的在线手写中英文文本行也有较好的切分效果。     

维吾尔语笔迹鉴别方法研究

笔迹鉴别是通过机器分析手写笔迹风格的差异特征来判断书写人身份的一门科学与技术。就像语音、指纹、虹膜和脸谱等生物特征识别技术一样是一个典型的模式识别问题。笔迹鉴别可分为在线、离线两种。笔迹鉴别方法可以分为两大类：文本依存的方法和文本独立的方法。主要针对离线维吾尔语手写体笔迹鉴别方法展开研究,力求提取笔迹图像的全局特征,以提供更多更有效的鉴别信息,结合维吾尔语自身特点对与文本无关的笔迹鉴别中预处理和特征提取技术进行了细致的研究。     

笔迹鉴别的字符预处理方法研究

分析了计算机笔迹鉴别技术的基本过程,对笔迹图像预处理的几个步骤,去噪、二值化、归一化和细化方法进行了分析和研究,其中重点介绍了领域加权平均的去噪方法,给出了基于数学形态学的笔迹细化方法。     

The state of the art in Japanese online handwriting recognition compared to techniques in western handwriting recognition

This paper compares the current state of the art in online Japanese character recognition with techniques in western handwriting recognition. It discusses important developments in preprocessing, classification, and postprocessing for Japanese character recognition in recent years and relates them to the developments in western handwriting recognition. Comparing eastern and western handwriting recognition techniques allows learning from very different approaches and understanding the underlying common foundations of handwriting recognition. This is very important when it comes to developing compact modules for integrated systems supporting many writing systems capable of recognizing multilanguage documents.Received: January 12, 2002, Accepted: March 6, 2003, Published online: 4 July 2003