一种新的文本预处理方法研究

文本预处理是整个字符识别系统的重要组成部分．它的性能的优劣，对整个字符识别系统的识别率和识别速度至关重要．由于汉字印刷文稿版面的复杂性，其文本预处理远比西文困难．本文提出了一种新的文本预处理方法．实现了含有文字字符，图形，图片和表格的、版面结构复杂的数字图象的分割．整个算法分为两个阶段完成：首先，从图形的连通原则出发，定义了扩展连通域的概念，对整个文本图象逐行扫描，搜索出所有的扩展连通域，进而通过集合的交、并操作，将属于一个字符或图象、图片和表格的若干个扩展连通域合并．这时扩展连通域已标记文本图象中的字符尺寸大小和位置．然后，基于同一行字符的间距的知识，将扩展连通域合并为逻辑字符行（横，竖）；由字符行的高（宽）度的一致性及间距的知识，将逻辑字符行合并为逻辑块：按照印刷文稿的排版规律完成版面的结构识别、并将标记字符位置和大小的扩展连通域的顺序按版面结构信息重新组合，最后把字符规范为一定尺寸的点阵图象输出到字符识别器．本文提出的文本预处理方法已经实现．经实际运行测试表明，系统对于复杂版面的文件，书刊和报纸的文本图象的分割，具有较好的效果．     

模糊数学中的综合评判法在评价教学质量中的应用

本文利用模糊数学中的综合评判的基本思想,较好地处理了评价教学质量中的模糊现象,给出一个较为合理的评价方法.     

全屏幕编辑器程序设计的探讨

本文通过对全屏幕编辑器的剖析，对全屏幕编辑器程序设计中所经常碰到的问题作了必要分析，给出了相应的解决办法，最后对全屏幕编辑器的设计提出了进一步的设想．     

XML中的信息隐藏

XML作为Internet上的信息交换格式,XML(Extensible Markup Language,可扩展标记语言)一出现, 使得到广泛的应用和支持,它将掀起新一轮数据处理和网络应用开发的革命.XML不是一种普通的文本语言,它用于置标电子文档,是一种使其数据具有结构化的置标语言.利用XML的这一特性,可以将秘密的信息隐藏到XML文本中. 这种方法主要是基于XML不是一种普通的文本文件,而是一种结构化的丈本.通过改变XML的标示字体的物理特性, 或变换DTD声明及其应用能量中的原始XML文档的逻辑结构,将信息隐藏到XML的原始文档中.     

基于结果修剪法解决文本分类中属性重叠问题

在文本分类中,当两个多属性类别发生属性重叠时,采用传统的文本分类算法m acro F1值仅为45%左右.为了提高文本分类算法的m acro F1值,提出了基于结果修剪的方法.在该方法中,分类器由多个子分类器组成.每个子分类器对应于类别中的一个属性;在每一个阶段中,每一个子分类器将不属于该属性的文本剔出.当所有子分类器运行结束后,留下的文本即属于该分类的文本.实验数据表明,基于结果修剪的文本分类方法在解决属性重叠问题时能够将m acro F1值提高到65%左右.     

基于不完备信息系统的文本分类研究与应用

在文本分类中，文本特征向量通常高达几千甚至上万维，给整个分类过程带来了相当庞大的计算量，因此进行有效的降维处理是非常重要的。在不完备信息系统理论的基础上，结合文本分类的特点，提出了一种量化容差关系和启发式的属性约简算法。实验证明该属性约简算法不仅能有效地降低文本特征向量的维度，同时能保证分类的正确率。     

基于改进BP网络的中文歧义字段分词方法研究

文本挖掘中中文歧义字段的自动分词是计算机科学面临的一个难题.针对汉语书写时按句连写,词间无间隙,歧义字段分词困难的特点,对典型歧义中所蕴含的语法现象进行了归纳总结,建立了供词性编码使用的词性代码库.以此为基础,通过对具有特殊语法规则的歧义字段中的字、词进行代码设定,转化为神经网络能够接受的输入向量表示形式,然后对样本进行训练,通过改进BP神经网络的自学习来掌握这些语法规则.训练结果表明:算法在歧义字段分词上达到了93.13%的训练精度和92.50%的测试精度.     

利用分割技术提高对话文本自动摘要的一致性

针对传统的基于抽取的自动摘要方法不能很好地处理对话文本一致性的问题,提出了对话文本自动摘要中的体裁、问题-回答对识别等关键技术.设计了一种类似于TextTiling的文本分割方法对候选的回答段落进行分割,以便提高问题-回答对的关联精度.实验结果表明,利用问题-回答对的关联信息能够提高对话文本自动摘要的整体一致性.     

基于字体颜色的文本信息隐藏算法

根据Word文档的特点,基于颜色特征编码的思想,改进了修改字符颜色在Word文本文档中隐藏信息的算法。通过分别置换字符RGB颜色低4位的值,使信息隐藏量提高到每个字符隐藏12位信息。     

文本数字水印技术研究综述

由于文本中可容纳水印的冗余较少，文本数字水印技术极富挑战性，首先简述了文本的分类；然后介绍了文本数字水印技术领域的主要研究成果和最新进展，包括基于文档结构、自然语言处理技术和传统图像水印技术三类方法；从容量，鲁棒性，技术基础等方面比较了现有成果，分析了各类方法的主要优缺点；最后在总结现有成果的基础上展望了文本数字水印技术的前景，指出了该技术未来可能的研究重点以及待改进和研究的方向。