构造基于Web的数学公式编辑软件

随着Web技术的发展,基于Web的数学公式输入已成为当前科学交流环境与科学计算环境中不可缺少的一部分.MathEdit是一个基于MathML的可视化数学公式编辑器,它允许用户通过GUI界面实现数学公式的所见即所得编辑,并生成MathML代码和中缀代码;同时MathEdit也是一个基于Web的MathML和中缓代码编辑器,通过MathEdit API接口,MathEdit能够与其他Web程序交互,实现数学公式的在线创建、编辑与提交,设置表达式的相关属性和实现网络传输等功能.重点介绍了MathEdit的设计及实现方法.     

一种无缝的HTML+MathML通用文档

针对多种(X)HTML+MathML(数学标志语言)文档导致的数据冗余问题,提出一种无缝的HTML+MathML通用文档方案,实现一种适应多种环境的跨浏览器技术,开发独特的JMD技术。该通用文档采用标准的MathML,基于JavaScript和DOM,集成多种显示技术,扩展多个显示方案,分离MathML的内容与显示,能够流畅地应用于多种平台和浏览器,有效解决数学表达式的通用性应用问题。     

MathML在数学表现上的应用

本文针对基于图像处理方法在Web上实现数学内容存在的问题，阐述、介绍了MathML的特点、内容和结构，并结合若干实例给出了MathML在数学表现上的应用的具体方法。     

基于MathML的数学表达式等价性的研究*

简介了数学标记语言MathML内容编码的规范,并提出了判断两个基于MathML内容编码的数学表达式等价性的方法。该方法通过建立数学规则库,对两个数学表达式进行树型模式匹配和算式变换来实现。     

基于MathML的数学公式在线编辑与传输的研究

大量公式和符号的编辑与传输处理是在线数学学术交流与教育活动中很重要的一个内容,MathML(Mathematical Markup Language)的出现为数学公式的在线编辑提供了强有力的支持.在对比分析相关技术的基础上,基于MathML设计一个在线公式编辑器并应用于数学论坛中,实现了公式的在线编辑、发布与显示等功能,具有很好的平台无关性、灵活性和可扩展性.     

更有效的XHTML+MathML通用文档

MathML(Mathematical Markup Language)是一个W3C(World Wide Web Consortium)推荐标准.目前,浏览器上的MathML显示技术非常复杂,(X)HTML+MathML存在多种文档.这些文档往往需要特定的运行环境.通常,为适应多种环境而保留多种文档,导致了数据的大量冗余.针对现有(X)HTML+MathML文档的局限性,提出了一种更有效的XHTML+MathML通用文档.在此基础上,实现了配套的样式表和脚本库.该通用文档使得同一个文档能够应用于多种平台、多种浏览器和多种MathML显示技术,有效地解决了通用性的应用问题.     

基于 MathML的在线公式编辑器的实现与应用 *

在阐述了数学标记语言 MathML和公式插件 WebEQ的基础上 ,提出了一种基于 MathML的在线公式编辑器的设计 ,并以文本编辑器 FCKeditor为平台进行了实现 ,最后给出了具体应用与进一步的改进 ,较好地解决了上述问题。     

基于XML实现数学内容到MathML代码的自动转换

基于XML对MathML进行了研究,实现了从数学内容到MathML语言代码的自动转换,讨论了Web上数学内容的显示、存储及交互问题。     

基于动态Web的数学文档研究及其实现

分析了LaTeX和MathML中数学文本的基本结构,提出了一种从LaTeX表示到MathML表示的转换方法,实现了基于动态Web页面的即时消息、电子公告板等上面的数学公式的编辑和显示。     

数学公式与WEB

文章首先研究了数学公式在Web上的发展和问题,而后介绍了W3C组织提出的一种基于可扩展标记语言（XML）的数学标记语言（MathML）,它主要包括表现（Presentation）和表义（content）两种形式。文章认为MathML将成为数学材料计算机化的最重要的标准。最后,文章介绍了一个基于MathML的应用系统－SeeMath的设计和体系结构。SeeMath为数学公式在Web上显示提供了一个集成的解决方案。     

Recognition of online handwritten mathematical expressions

This paper aims at automatic understanding of online handwritten mathematical expressions (MEs) written on an electronic tablet. The proposed technique involves two major stages: symbol recognition and structural analysis. Combination of two different classifiers have been used to achieve high accuracy for the recognition of symbols. Several online and offline features are used in the structural analysis phase to identify the spatial relationships among symbols. A context-free grammar has been designed to convert the input expressions into their corresponding T(E)X strings which are subsequently converted into MathML format. Contextual information has been used to correct several structure interpretation errors. A new method for evaluating performance of the proposed system has been formulated. Experiments on a dataset of considerable size strongly support the feasibility of the proposed system.     

On-line recognition of handwritten symbols

An online system for recognizing handwritten symbols from a user specified alphabet is described. The symbols are written on a digitising tablet. When a symbol is subsequently written the system is required to recognize the symbol irrespective of the scale, orientation and position of the written symbol     

Online recognition of handwritten music symbols

In this paper, we propose an effective online method to recognize handwritten music symbols. Based on the fact that most music symbols can be regarded as combinations of several basic strokes, the proposed method first classifies all the strokes comprising an input symbol and then recognizes the symbol based on the results of stroke classification. For stroke classification, we propose to use three types of features, which are the size information, the histogram of directional movement angles, and the histogram of undirected movement angles. When combining classified strokes into a music symbol, we utilize their sizes and spatial relation together with their combination. The proposed method is evaluated using two datasets including HOMUS, one of the largest music symbol datasets. As a result, it achieves a significant improvements of about 10% in recognition rates compared to the state-of-the-art method for the datasets. This shows the superiority of the proposed method in online handwritten music symbol recognition.     

印刷体数学公式重构技术的研究

数学公式重构是公式识别的重要环节,目前相关的研究还很欠缺.基于MathML提出了一种印刷体数学公式重构的方法.在已实现的公式符号识别与结构分析程序所生成的公式关系树基础上,将公式关系树重构为MathML文档,并设计公式编辑器,实现了公式的再编辑和重用.实验表明,这种重构方法对印刷体数学公式具有较好的适应性和较高的准确率.     

多媒体教育软件中化学符号的录入和理解

研究化学智能解题的前提是研究各类符号的录入、识别、理解，这是多媒体教育软件中的一个技术难点。文章讨论了化学学科中特殊符号的录入，并设计出一些算法，这些算法能够从记录一个分子式的数据结构中识别出全部的反应物分子工、生成物分子式、反应条件等，从而能将用户录入的答案与标准答案比较和智能配平。     

MathML到SVG的转换方法研究

W3C定义的数学标记语言（MathML）虽然可解决Web中应用数学公式的问题,但是支持它的浏览器很少;而W3C定义的可伸缩矢量图形（SVG）得到了更多浏览器的支持,并成为标准。为此,对数学公式从MathML转换为SVG的方法进行了研究,对公式表现形式进行分析,结合SVG规范研究公式组成元素和布局的转换方法,给出了相应转换算法,并对表义形式的转换进行了分析。     

Online hand-sketched figure recognition

An online algorithm capable of recognizing hand-sketched symbols such as those used in flowcharts is presented. The algorithm requires no indication of symbol segmentations and no restrictions on the stroke sequence of symbols. The algorithm has three steps: (1) candidate figure extraction for each symbol based on a graph search and distance calculation between candidate figures and reference patterns, (2) selection of the symbol sequence which minimizes the total sum of these distances, (3) connection rules application.A recognition test performed on 100 hand-sketched flowcharts and block diagrams produced a recognition rate of 96.1%.     

面向一般应用的动态加载机制

为了实现系统在线扩展过程中的实用性和稳定性,在软件升级过程中采用动态加载思想,引入超级调用指令,使用符号解析和弱绑定概念,为系统中的符号建立树状索引集。该方案解决了名字空间污染问题,提高了符号绑定的准确性和系统安全性,极大降低了在线扩展过程中更新外部引用的性能开销。     

On special families of morphisms related to δ-matching and don't care symbols

The δ-matching problem is a special version of approximate pattern-matching, motivated by applications in musical information retrieval, where the alphabet Σ is an interval of integers. We investigate relations between δ-matching and pattern-matching with don't care symbol ∗ (a symbol matching every symbol, including itself). We show that the δ-matching is reducible to k instances of pattern-matching with don't cares. We investigate how the numbers δ and k are related by introducing δ-distinguishing families of morphisms. The size of corresponds to k. We show that for minimal families we have .