注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書教育/教材/教輔教育教育學(xué)理論外國留學(xué)生手寫漢字筆畫錯誤提取的智能方法研究

外國留學(xué)生手寫漢字筆畫錯誤提取的智能方法研究

外國留學(xué)生手寫漢字筆畫錯誤提取的智能方法研究

定 價:¥69.00

作 者: 白浩
出版社: 線裝書局
叢編項:
標(biāo) 簽: 暫缺

ISBN: 9787512047532 出版時間: 2022-12-01 包裝: 平裝
開本: 16開 頁數(shù): 字數(shù):  

內(nèi)容簡介

  外國留學(xué)生的手寫漢字因受其母語及漢語水平的影響,會出現(xiàn)多種類型的書寫錯誤,這是漢語國際教育中漢字教學(xué)的難點之一。采用數(shù)碼紙筆采集的外國留學(xué)生手寫漢字含有筆畫及其采樣點的時間和空間等信息,從而可以有效地分析其書寫過程,有利于提取各種書寫錯誤。 本書主要研究識別具有筆畫錯誤的漢字,匹配書寫筆畫與模板筆畫,并提取多種筆畫錯誤;采集了來自14個國家的外國留學(xué)生的手寫漢字共計19000余份,涵蓋500余種字形;開發(fā)了原型系統(tǒng),對漢字識別、筆畫匹配、可視化與人機交互校正、筆畫錯誤提取等進行了實驗;根據(jù)學(xué)生的漢字學(xué)習(xí)過程,原型系統(tǒng)在真實教學(xué)場景中進行了跟蹤實驗。

作者簡介

  白浩,男,1984年生,現(xiàn)就職于北京語言大學(xué)漢語國際教育學(xué)部。文學(xué)博士(語言學(xué)與應(yīng)用語言學(xué)專業(yè)),工學(xué)碩士(計算機應(yīng)用技術(shù)專業(yè)),研究方向為智能書寫技術(shù)、中文手寫計算、模式識別、計算機圖形學(xué)等。講授多媒體應(yīng)用技術(shù)基礎(chǔ)、程序設(shè)計入門等課程。近年來發(fā)表論文10余篇,其中9篇被EI或Scopus檢索(其中7篇為第一作者),1篇為中文核心期刊論文,1篇被CPCI-S檢索。現(xiàn)為中國計算機學(xué)會專業(yè)會員。2018年6月入選“北京語言大學(xué)青年英才培養(yǎng)計劃”。

圖書目錄

第一章 緒論 / 1

1.1 選題背景 / 1

1.2 研究問題 / 4

1.3 本書工作 / 6

第二章 國內(nèi)外研究現(xiàn)狀及分析 / 10

2.1 單字提取 / 11

2.1.1 相鄰筆畫時間和空間距離的方法 / 11

2.1.2 語境方法 / 12

2.1.3 機器學(xué)習(xí)方法 / 13

2.2 漢字識別 / 14

2.2.1 結(jié)構(gòu)方法 / 15

2.2.2 特征提取方法 / 16

2.2.3 深度學(xué)習(xí)方法 / 17

2.3 筆畫匹配 / 19

2.3.1 筆畫模板方法 / 19

2.3.2 圖匹配方法 / 20

2.3.3 筆段匹配方法 / 21

2.4 書寫錯誤提取 / 22

2.4.1 評價對象 / 22

2.4.2 錯誤提取方法 / 25

2.4.3 評價反饋方式 / 29

2.5 本章小結(jié) / 31

第三章 基于多層次信息的單字提取方法 32

3.1 遞歸分割方法 / 33

3.1.1 基于初始分割結(jié)果的數(shù)據(jù)分析 / 34

3.1.2 遞歸分割算法 / 36

3.2 面向錯誤分類的分割方法 / 38

3.2.1 錯誤分類歸納 / 39

3.2.2 面向欠分割的分割方法 / 41

3.2.3 面向過分割的分割方法 / 47

3.2.4 性能測試 / 51

3.3 基于單字提取結(jié)果的自適應(yīng)可視化方法 / 52

3.3.1 可視化方法進展 / 52

3.3.2 基于重疊的自適應(yīng)可視化方法 / 55

3.3.3 基于可信度的可視化方法 / 61

3.4 針對單字提取結(jié)果的交互式校正方法 / 65

3.4.1 基于可視化結(jié)果的交互式校正 / 66

3.4.2 基于用戶意圖的交互式校正 / 69

3.4.3 性能測試 / 71

3.5 本章小結(jié) / 73

第四章 基于書寫層次模型的手寫漢字識別方法 / 74

4.1 基于筆畫名稱和整字結(jié)構(gòu)的識別方法 / 75

4.2 部件結(jié)構(gòu)的分類 / 77

4.3 基于 HMM 的筆畫識別 / 78

4.3.1 HMM 分類器的訓(xùn)練 / 79

4.3.2 漢字中筆畫的識別 / 81

4.3.3 基于筆畫名稱序列的篩選 / 84

4.4 實驗結(jié)果 / 85

4.4.1 根據(jù)漢字筆畫數(shù)分類 / 86

4.4.2 根據(jù)不同部件結(jié)構(gòu)分類 / 88

4.4.3 根據(jù)筆畫錯誤類型分類 / 89

4.5 基于 HCRF 的筆畫識別的改進方法 / 91

4.5.1 HCRF 分類器的訓(xùn)練 / 92

4.5.2 HCRF 分類器的實驗結(jié)果 / 92

4.6 本章小結(jié) / 94

第五章 基于遺傳算法的筆畫匹配方法 / 95

5.1 遺傳算法的基本設(shè)置 / 96

5.2 自適應(yīng)編碼方法 / 98

5.2.1 序列編碼 / 98

5.2.2 最大值編碼 / 99

5.2.3 子筆畫編碼 / 101

5.3 基于結(jié)構(gòu)和書寫特征的適應(yīng)度函數(shù) / 105

5.3.1 全局特征 / 105

5.3.2 局部特征 / 106

5.3.3 適應(yīng)度函數(shù)的評價 / 108

5.4 實驗結(jié)果 / 109

5.4.1 根據(jù)筆畫數(shù)分類 / 109

5.4.2 根據(jù)部件結(jié)構(gòu)分類 / 111

5.4.3 根據(jù)筆畫錯誤類型分類 / 112

5.5 本章小結(jié) / 113

第六章 針對筆畫匹配結(jié)果的可視化及人機交互校正方法 / 115

6.1 多感知層次的可視化方法 / 116

6.1.1 基于顏色感知層次的表示 / 117

6.1.2 采用圖形符號的筆向表示 / 120

6.1.3 采用數(shù)字序號的筆順表示 / 121

6.2 標(biāo)記表示方法 / 122

6.2.1 標(biāo)記列表的定義 / 122

6.2.2 標(biāo)記類型的表示 / 124

6.3 基于標(biāo)記列表的校正方法 / 125

6.4 實驗結(jié)果 / 132

6.4.1 可視化 / 132

6.4.2 交互校正 / 134

6.5 本章小結(jié) / 135

第七章 基于標(biāo)記列表的筆畫錯誤提取方法 / 137

7.1 標(biāo)記列表與筆畫錯誤的對應(yīng)關(guān)系 / 137

7.2 自適應(yīng)錯誤提取 / 146

7.3 實驗結(jié)果 / 154

7.4 本章小結(jié) / 155

第八章 數(shù)據(jù)測試與結(jié)果分析 / 157

8.1 數(shù)據(jù)采集 / 157

8.2 數(shù)據(jù)測試 / 161

第九章 結(jié) 論 / 173

附錄 1:摹寫、聽寫紙張樣圖 / 177

附錄 2:22名學(xué)生實驗數(shù)據(jù)樣圖 / 179

參考文獻?201


本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號