语句级汉字拼音输入技术评估方法的研究

该文介绍了语句级汉字拼音输入技术评估方法的研究意义及其重要性。从信息论角度出发,提出了基于损失函数的语句级汉字拼音输入技术的评估方法,它通过损失函数比较经语句级汉字拼音输入系统输出的句子和相应的标准句子,得到描述系统性能的定量指标。该方法对汉字拼音输入技术的音节流自动切分和音字转换两方面进行了较全面的评估。采用手工标注的1996年《人民日报》部分语料,对目前流行的汉字拼音输入技术进行了评估,实验结果表明:拼音输入技术音字转换准确率最高能达到64.3%,音节流自动切分对音字转换的准确率有大约2%的影响。评估结果对今后的拼音输入技术的评估提供了参考价值,对汉字拼音输入技术的持续发展有指导意义。     

语句拼音输入新概念：微软拼音输入法试用印象

如果说以王码和联想智能拼音为代表的输入法对键盘输入汉字具有划时代意义的话,多年来相继出现的几百种汉字输入法,终因没有摆脱以词为基本思路而陷入困境,一度炙热的汉字输入法市场疲软了下来。最近,微软公司推出了一种拼音输入法,其全新的思路必将给属于中国的汉字输入法市场带来震动和影响。 微软拼音输入法是一种智能型语句级拼音输入法,它采用了语言信息处理的最新技术,以句子为基本单位,根据句子前后的相关属性,智能地确定输入的拼音信息。其优点在于冲破了拼音输入技     

Windows Mobile平台下智能手机输入法研究

笔画输入相比拼音输入在重码率方面具有强大的优势.主要对传统笔画输入法在编码方案、字词库构造等方面进行优化,使得用户能够运用笔画方式在手机上实现快速的文字输入.对于笔画输入法的编码方案,主要结合传统方案给出了一种新的编码方式,在字词库构造方面,采用空格分隔符方式实现笔画的词组、语句输入.最后结合输入法设计流程,给出Windows Mobile平台下输入法的实现流程,使得用户能够连续地输入笔画字符串,实现单字、词组以及语句的输入,提高汉字的输入效率.     

人工智能在拼音输入法中的应用

拼音输入法对于传承和发扬汉字文化,推广普通话,都有着重要的现实意义和深远影响,因此应该大力创新拼音输入法,丰富其实用功能并使其更加人性化和智能化。智能化是拼音输入法的发展方向,而智能整句输入应该成为拼音输入法追求的最终目标。对智能化在拼音输入法中的应用进行了论述。     

Windows95的拼音微软拼音和区位输入 法

拼音输入法是一般用户普遍使用的汉字输入方法，下而我们就介绍拼音输入法及Windows95中文版提供的微软拼音输入法，并顺便介绍一下区位输入法。拼音输入法1．全拼输入法现在，计算机所用的拼音输入编码方案已有若干种，种是直接接汉语拼音输入的音素制定编码方案，通常称为全拼输人法，考虑到音调符号和复合音替代，中拼输人法又有多种形式。Windows95中的“全拼输入法”，是按照我IN法定的标准汉语拼音方案，采用标准西文键盘．除“。”以外的25个英文字母制定的汉字输人方法。当在全拼拼音状态卜输人汉字时，要求逐个字母地打人汉语拼…     

WINDOWS基本操作教程

一、中文输入法介绍 Microsoft的中文版Windows作为一种汉字操作系统,提供了两种汉字字体:宋体和黑体;提供了三种汉字输入法:国标/区位输入法、拼音输入法和码表输入法,还提供了码表生成器以及造字程序。另外,Windows的汉字输入是一个开放系统,用户可以根据需要加入其它的汉字输入法。     

LED显示屏拼音输入汉字的实现方法

本文详细介绍在处理LED显示屏中文信息时使用红外遥控输入汉字的方法：区位码输入法和拼音输入法。文章重点介绍拼音输入法检索表格的编制和软件的实现方法。     

一种新的汉字编码输入法及其评测系统

在充分研究汉字特征的基础上,遵照国家键盘汉字输入通用标准,开发了一种新的汉字编码输入法——音形码。该输入法采用汉字读音、偏旁部首读音、笔划读音及声调进行编码,拆字顺序完全符合汉字书写规则,克服了五笔输入法字难拆的不足,重码率大大低于拼音输入法。通过自建的基于VFP汉字输入法评测系统测试,结果表明,该输入法符合GB/T18031和GB/T19246提出的系统性能指标,具有简单易学、规范性强、重码率低、易推广的特点。     

拼音输入法的另类生活妙用

不离拼音输入条,就可以干基本的汉字输入之外的许多事情。拼音输入法的这些实用技巧你在生活中都用上了吗?一般人只是将拼音输入法当作简单的用拼音来输入汉字的工具来使用。殊不知,拼音输入法还是一款多能的生活助手实用工具。从一点现代拼音也不懂的百岁老人到运指如飞     

五笔下的“拼音”输入方法

对于使用五笔输入法的朋友来说，有时为了输入某些难以拆分的汉字（如凹、凸、舞等），通常采取的做 法是：先切换到拼音输入法下，用拼音输入，再切换回来。但这样做既麻烦又容易出错。其实，我们只要在五笔输入法中，做一下简单的处理，就可以直接在五笔下面用“拼音”来输入。１．任意启动一款字处理软件（如记事本），用拼音输入法将某些用五笔难以拆分的汉字输入到文档中，再打开五笔输入法。２．选中上述汉字中的一个（如凹字），将其复制到“剪贴板”中。３．鼠标右击五笔输入法状态条，打开“手工造词”对话框（图１）。４．在…     

考虑参数不确定性的移动机器人轨迹跟踪控制

针对移动机器人系统中轮胎半径和轮胎间距存在的参数不确定性问题,提出自适应轨迹跟踪控制方法.首先,推导适合进行自适应控制器设计的系统误差模型,将原有控制问题转化为不确定参数的自适应更新率和虚拟控制输入的设计问题;然后,针对系统中的不确定性参数,设计自适应更新率对其进行在线估计,并设计虚拟的控制输入,得到移动机器人驱动电机的左右轮转速;其次在Lyapunov稳定性框架下证明闭环跟踪误差系统的渐近稳定性和估计误差系统的稳定性;最后通过仿真和实验表明,所提出方法能够通过在线学习估计出参数真实值,使得实际运行轨迹收敛到参考轨迹,同时表明所提出方法能够抑制系统参数不确定性对控制系统的影响.     

基于移动端的场景分类模型

对移动神经网络进行研究,在此基础上提出一种端到端的高效运行于移动端的场景分类模型。在同一个网络中使用多分辨率输入的方法进行训练,在预测时只将原图处理到指定分辨率,不进行multi-crop预测;将网络在中层提取的局部信息和在高层提取的全局信息进行融合;根据提出的相似类知识迁移的模型压缩方法对网络进行训练。实验结果表明,与现有的移动神经网络相比,该模型的识别准确率更高。与端到端的场景分类模型相比,该模型能在模型大小只有其1%的情况下取得同等或更高的识别准确率。     

Nomadic Input on Mobile Devices: The Influence of Touch Input Technique and Walking Speed on Performance and Offset Modeling

In everyday life, people use their mobile phones on-the-go with different walking speeds and with different touch input techniques. Unfortunately, much of the published research in mobile interaction does not quantify the influence of these variables. In this article, we analyze the influence of walking speed, gait pattern, and input techniques on commonly used performance parameters like error rate, accuracy, and tapping speed, and we compare the results to the static condition. We examine the influence of these factors on the machine learned offset model used to correct user input, and we make design recommendations. The results show that all performance parameters degraded when the subject started to move, for all input techniques. Index finger pointing techniques demonstrated overall better performance compared to thumb-pointing techniques. The influence of gait phase on tap event likelihood and accuracy was demonstrated for all input techniques and all walking speeds. Finally, it was shown that the offset model built on static data did not perform as well as models inferred from dynamic data, which indicates the speed-specific nature of the models. Also, models identified using specific input techniques did not perform well when tested in other conditions, demonstrating the limited validity of offset models to a particular input technique. The model was therefore calibrated using data recorded with the appropriate input technique, at 75% of preferred walking speed, which is the speed to which users spontaneously slow down when they use a mobile device and which presents a trade-off between accuracy and usability. This led to an increase in accuracy compared to models built on static data. The error rate was reduced between 0.05% and 5.3% for landscape-based methods and between 5.3% and 11.9% for portrait-based methods.     

面向边缘设备的高能效深度学习任务调度策略

近年来,深度学习在图像和自然语言处理等诸多领域表现出色,与深度学习相关的各类移动应用发展迅速,但由于移动网络状态的不稳定性及网络带宽的限制,基于云计算的深度模型任务可能出现较大响应延迟,严重影响用户体验.与此同时,深度模型对设备的计算及存储能力有较高的要求,无法直接在资源受限的移动设备中进行部署.因此,亟须设计一种新的计算模式,使得基于深度模型的移动应用能够满足用户对快速响应、低能耗及高准确率的期望.本文提出一种面向边缘设备的深度模型分类任务调度策略,该策略通过协同移动设备与边缘服务器,充分利用智能移动终端的便捷性和边缘服务器强大的计算能力,综合考虑分类任务的复杂度和用户期望,完成深度模型在移动设备和边缘服务器中的动态部署,并对推理任务进行动态调度,从而提升任务执行效率,降低深度学习模型推理开销.本文以基于卷积神经网络的图像识别应用为例,实验结果表明,在移动环境中,相比于准确率最高的深度模型,本文提出的高能效调度策略的推理能耗可降低93.2%、推理时间降低91.6%,同时准确率提升3.88%.     

基于栈式卷积自编码的视觉SLAM闭环检测

同时定位与构图(SLAM)主要用于解决移动机器人在未知环境中进行地图构建和导航的问题,是移动机器人实现自主移动的基础.闭环检测是视觉SLAM的关键步骤,对构建一致性地图和减少位姿累积误差具有重要作用.当前的闭环检测方法通常采用传统的SIFT、SURF等特征,很容易受到环境影响,为了提高闭环检测的准确性和鲁棒性,提出基于无监督栈式卷积自编码(CAEs)模型的特征提取方法,运用训练好的CAEs卷积神经网络对输入图像进行学习,将输出的特征应用于闭环检测.实验结果表明:与传统的BoW方法及其他基于深度学习模型的方法相比,所提出的算法能够有效降低图像特征的维数并改善特征描述的效果,可以在机器人SLAM闭环检测环节获得更好的精确性和鲁棒性.     

Stroke++: A new Chinese input method for touch screen mobile phones

Over the past few decades, users have been feeling clumsy inputting Chinese on mobile devices, partly because the layout of the keyboard/keypad is originally designed for inputting Latin alphabets. To improve this user experience, we propose Stroke++, a novel Chinese input method for touch screen mobile devices. More specifically, Stroke++ provides efficient keypad layout, a friendly user interface and a intelligent character/phrase candidate set generation algorithms. Stroke++ splits a Chinese character into multiple radicals. By leveraging hieroglyphic properties of Chinese characters, our method requires users to only input a subset of the radicals to identify the target character, making it much faster and easier to input Chinese on mobile phones. Our user study results show that Stroke++ outperforms most major Chinese input methods on mobile devices, including Stroke, Pinyin and Hand Writing Recognition (HWR), in terms of the input efficiency and usability. Moreover, we also demonstrate that Stroke++ offers a low entry barrier for Chinese-input novices.     

信息融合在移动机器人轨迹模糊跟踪中的应用

在机器人轨迹跟踪过程中,机器人自动跟踪的精度直接影响跟踪效果;以3自由度移动机器人为研究对象研究了机器人轨迹模糊跟踪系统,且在该系统中,采用多个传感器同时对移动机器人进行跟踪检测,并利用融合算法对其进行融合,将融合后的结果作为模糊控制器的输入;计算机仿真结果表明,在3自由度移动机器人轨迹跟踪中,采用多传感器信息融合是合理的、可行的;且可以减少跟踪过程中由传感器引起的误差对跟踪精度的影响,提高控制精度.     

基于改进YOLOv3的智慧足球场行人检测

由于足球比赛场景中密集人群、移动小目标居多, YOLOv3算法存在检测精确度较低且模型参数量较大等问题, 使其无法部署在资源算力有限的移动设备上, 本文提出了一种基于改进YOLOv3的行人检测方法, 将Darknet-53主干特征提取网络替换为更加高效且轻量化的GhostNet网络; 同时选取了4个尺度的检测分支层并采用K-means++算法改善anchor box的聚类效果; 添加空间金字塔池化对输入图像实现相同大小的输出; 提出CIoU损失函数来计算目标定位损失值; 添加heatmap热力图可视化并在训练中使用Mosaic数据增强. 实验结果表明, YOLOv3-GhostNet在VOC融合数据集上mAP达到90.97%的同时相比YOLOv3算法提高了1.75%, 参数量减少了约81.4%且实时检测速率提高了约1.5倍, 在小型移动设备上表现出不错的检测效果.     

基于线性二次型算法的轮式移动机器人轨迹跟踪控制

文章在控制输入饱和约束条件下,以非完整移动机器人的运动学模型为对象,研究了移动机器人的轨迹跟踪问题.首先在参考轨迹处对运动学模型进行线性化得到移动机器人线性时变系统,证明了其能观性和能控性,在此基础上设计了饱和约束条件的分段线性二次型控制器(Piecewise Linear QuadraticRegulator,PLQR),并基于Lyapunov方法证明了其稳定性.在MATLAB软件平台下的仿真和实验结果表明,基于PLQR的轮式移动机器人对不同初始位姿及不同的参考轨迹都有较好的跟踪效果,且能够避免控制律跳变现象,满足饱和约束条件.     

Performance Comparisons Between Thumb-Based and Finger-Based Input on a Small Touch-Screen Under Realistic Variability

The potential benefits of thumb-based touch interaction have not been fully exploited due to its usability problems and performance deterioration. Despite the well-known problems, mobile phone users often prefer thumb-based input method in their daily context of use. Without understanding input performance under realistic variability, design solutions may not address the problems adequately. This research aims to evaluate performance of one-handed thumb-based input compared to cradled finger-based input for the large number of users and varying task conditions. By investigating performance under a range of user- and task-variability, common patterns can be identified to help infer realistic performance in context of use. For this experiment, 259 participants were recruited balanced on gender and age. They performed user testing of moving an icon on a mobile touch-screen. Overall, the one-handed thumb input showed a 30% reduction in throughput compared to the cradled finger-based input, with significant reduction in speed and accuracy. Reduced throughput is attributed to inaccuracy rather than speed. In addition, the partial effects of touch position, dragging direction, and target size were investigated and quantified. In conclusion, performance could maintain constant throughput only for the finger-based input of limited task conditions, when realistic variability was introduced. Also, high variance of throughput for the thumb-based input led to poor conformity to Fitts’s law. The findings have implications for design of thumb-based touch interface to offset performance reduction and characterizing performance measure for thumb-based input method.