全文获取类型
收费全文 | 72篇 |
免费 | 0篇 |
国内免费 | 2篇 |
专业分类
系统科学 | 1篇 |
丛书文集 | 4篇 |
教育与普及 | 1篇 |
理论与方法论 | 1篇 |
综合类 | 67篇 |
出版年
2024年 | 1篇 |
2023年 | 2篇 |
2021年 | 1篇 |
2020年 | 2篇 |
2019年 | 2篇 |
2018年 | 1篇 |
2017年 | 5篇 |
2016年 | 1篇 |
2015年 | 2篇 |
2014年 | 8篇 |
2013年 | 5篇 |
2012年 | 2篇 |
2011年 | 3篇 |
2010年 | 4篇 |
2009年 | 3篇 |
2008年 | 8篇 |
2007年 | 1篇 |
2006年 | 4篇 |
2005年 | 2篇 |
2004年 | 3篇 |
2003年 | 4篇 |
2002年 | 3篇 |
2000年 | 3篇 |
1999年 | 1篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有74条查询结果,搜索用时 218 毫秒
31.
32.
中华人民共和国成立以后,对汉字进行了两次重大的改革:第一次在1956年,成绩很大,问题不少;第二次在1978年,彻底失败,被迫废止。对汉字的简化究竞应该做出怎样的评价,回溯与思考,有利于人们对汉字的发展提供更好的、更科学的方案。 相似文献
33.
本文认为,长期以来,我们受西方语言学的影响,普遍认为"一个汉字通常表示口语里的一个语素,代表的是这个语素的声音",对汉字笔画表意作用没有正确的认识.这就使我们的识字教学不能正确阐述字形和字义的关系.就识字教学而言,笔画的表意功能是不可忽视的.其实,笔画具有表意功能是有客观依据的,正确认识笔画的表意功能也是非常必要的. 相似文献
34.
35.
汉字是笔画二维排列构成的图形,汉字笔画队列具有唯一性。用汉字笔画的基本笔形作为汉字的点、撇、横、竖、折五类基本笔画的代码,提取汉字五类基本笔画的二笔画排列的特征,建立二笔码及键码的符号体系P_p'(P=、,ノ,—,│,∠;P'=、,ノ,—,│,∠);配合指法,建立二笔码键盘,实现了字与码、码与键、键与指三对应,汉字编码直观,输入简易,省时省力。 相似文献
36.
37.
提出一种利用计算机图像处理技术进行楷书基本笔画特征提取的方法.从书法笔画图像细化得到笔画骨架出发,提取笔画的全局特征和局部特征,用骨架关键点将笔画分为多个笔段,并结合书法写作特点通过对笔段内部及笔段之间特征进行分析,对书法笔画图像的形体特征选择、提取进行初步的探索. 相似文献
38.
现有的墨点形态特征检验方法由于在提取特征前缺少形态学滤波过程,使得墨点图像色度不均,导致检验结果受噪声影响大、检验结果不可靠,对此提出一种复印文件笔画边缘墨点形态特征定量检验方法。把膨胀与腐蚀运算依据不同顺序级联组成开启与闭合运算,分别利用开、闭运算去除较小的过亮和过暗细节,通过形态学滤波使得图像色度均匀;选择8×8方形结构算子,通过膨胀运算与腐蚀运算实现墨点图像边缘提取,结合二值化处理获得边缘信息,并检验墨点边界周长、直径、面积、圆度、矩形度及伸长度6个形态特征,实现特征定量检验。实验结果表明:该方法可有效滤除噪声、均匀图像色度,边缘的提取效果较好,并且通过该方法获取的边缘墨点形态特征检验结果与实际结果最为接近,应用价值最高。 相似文献
39.
为了探索最新一代通用视频编码标准(versatile video coding, VVC)对中文文本屏幕内容图像(text screen content image, TSCI)感知质量的影响,设计图像主观观测实验并基于VVC混合编码框架原理研究了中文TSCI的VVC编码感知失真。构建中文文本屏幕内容图像数据库(Chinese text screen content image dataset, CT-SCID),设计图像主观观测实验,分析VVC引起的中文TSCI感知失真类型及其发展路径;结合VVC的混合编码框架原理,理论分析并实验验证影响VVC编码的中文TSCI感知失真程度的因素;总结当前代表性的屏幕内容图像质量评价方法在中文TSCI VVC编码感知失真评测上的性能表现。实验结果表明:字体大小和对比度是影响中文TSCI VVC编码感知质量的重要因素,且中文TSCI的字体越小、对比度越低时,图像的感知质量等级越低;当前代表性的屏幕内容图像质量评价方法均无法给出完全符合人眼感知特性的质量评价结果。研究对于后续开发适用于中文TSCI的感知质量评价方法、高效编码方法等具有指导意义。 相似文献
40.
为实现笔画的分组和识别,现有的草图识别算法通常会采用限制用户的绘图习惯来达到目的.该文提出了利用贝叶斯网络和卷积神经网络(CNN)的草图识别方法解决此问题.首先,使用高斯低通滤波器处理输入草图,得到更平滑的图像.然后将连续输入的笔划分为两部分,分别使用贝叶斯网络和卷积神经网络对分割后的笔画进行识别,当笔画的可靠性大于阈值时,以贝叶斯网络的识别结果为准,反之采用CNN的识别结果.实验结果表明,该文算法在电路符号绘制过程中的识别率和绘制完成后的识别率均取得了较好的结果.该文算法具有良好的应用前景. 相似文献