面向书写教学的手写汉字图像笔画还原

为了实现智能化汉字书写教学,提出一种手写汉字图像的笔画还原方法。首先提取手写汉字图像的骨架;然后从知识工程的角度出发,利用字形中稳定的拓扑信息,消除骨架中的歧义变形;最后利用A*算法建立并求解手写汉字与相应模板汉字的字形相似度模型,从而分割出手写汉字图像中的各个笔画,并输出它们与模板汉字中各个笔画的对应关系。此方法的笔画还原结果可以应用于手写汉字规范性的自动化评判等场合。     

融合笔画特征的命名实体识别方法

汉字是象形文字,其字形特征对于中文命名实体识别有着重要的作用。针对双向长短期记忆模型（bi-directional long short-term memory,BiLSTM）提取部首,命名实体识别准确率不高的问题,提出笔画组成编码器,用于获取汉字的字形特征,并将笔画字形特征向量和预训练的语言表征模型（bidirectional encoder representation from transformers,BERT）输出的字向量进行拼接,将拼接后的向量放入双向长短期记忆模型与条件随机场（conditional random field,CRF）相连的标注模型（BiLSTM-CRF）中进行命名实体识别。实验表明,所提的方法在Resume数据集上命名实体识别准确率有显著提升。相较于用卷积神经网络做编码器提取汉字字形特征,准确率高出0.4%。相较于使用BiLSTM提取的部首特征模型和加入词典的长短期记忆模型(Lattice LSTM)模型其准确率分别提升了4.2%、0.8%。     

街头粉笔画

街头粉笔画是意大利的传统艺术形式，早于十六十七世纪出现。至二十世纪逐渐被淡忘。直至1973年．一间教堂请来街头艺术家为教堂创作粉笔画。再令这艺术复兴。而今在欧洲繁华的街头、广场，甚至步行街的街心，经常可见跪在地上用粉笔作画的艺术家。     

粉笔字书写之技能

每一位教师都希望自己能写一手漂亮的粉笔字,因为在课堂上要吸引学生的注意力,除了教师的分析讲解、举止表情以外,板书的优劣往往是一个不可忽视的因素。教师能在课堂上向学生展示一手漂亮的粉笔字,一定会在学生的心目中树立良好的形象。工整漂亮的板书是课堂教学中必不可少的环节,写好粉笔字,是每一个教师必须掌握的一项技能。     

一笔画小兔

图中有5只小兔,其中只有1只能一笔画成。你能指出是哪一只吗？     

一种联机手写汉字识别算法的研究与实现

联机手写汉字识别(On-line handwritten Chinese character recognition,简称OLCCR),是指用笔在图形输入板上写字,人一面写,机器一面认,是一种方便的汉字识别手段,是在各种自动识别输入的方法中,能够代替或部分代替人工编码输入的惟一可能的方法。设计了一种基于获取笔段序列的联机手写汉字识别方法,并用可视化编程工具VC++6.0实现了该算法,经测试,平均识别率达95.7％。     

调整队伍

正中午,我在妈妈的办公室玩,妈妈对我说:"儿子,我们来做个数学游戏吧。""好啊!"听说要玩游戏,我高兴极了。妈妈说:"第一队有15个小朋友,第二队有7个小朋友,现在要调整一下队伍,使两队的小朋友一样多,该怎么办?"我用圆表示人,拿起笔画起了圆。妈妈说我用画图来分析问题的习惯挺好的。我在第一队画了15个圆,在第二     

快写和慢写笔画变异特征的差异性研究

本研究采用统计分析法对不同类型的笔画变异特征进行分析,探讨了不同书写速度条件 下笔画变异特征之间的关系。结果表明,在本研究涉及的所有41种笔画变异特征中,快写和慢 写都存在非常显著的相关;有24种笔画变异特征慢写与快写无显著差异;17种笔画变异特征慢 写与快写有显著差异,其中15种获得较好的回归方程。     

面向动作技能训练的力觉交互系统实验研究

力觉交互仿真引入到虚拟现实系统中,可以增强系统的交互性和沉浸感。针对动作技能训练的一般要求,选用汉字书法模拟为对象进行实验研究。首先简介了基于有序笔画的汉字力觉渲染架构、快速碰撞检测算法和虚拟力模型。基于Phantomdesktop?重点开展两类实验:稳定性实验以及动作既能训练效果实验。实验结果证明,渲染算法保证了笔画密集处和笔画转换时的碰撞检测结果唯一性,实现了交互状态转换时的稳定的力觉反馈。不同人的操作实验表明力觉导引对于不熟悉汉字笔画结构的外国留学生,训练效果好于本国学生。力反馈训练前后书写成绩的对比证明了人的肌肉运动记忆在动作技能训练的重要作用。     

基于像素标识细化方法抗笔画边缘毛刺的研究

对基于像素点标识的新细化算法在抗笔画边缘毛刺方面的作用进行了深入研究．基于像素点标识的新细化算法中细化保留点的确定是基于像素标定信息矢量的，而影响像素标定信息矢量的领域非常大，边缘无规律的毛刺对标定信息矢量的影响被平均化了，该细化算法的细化结果受边缘毛刺的影响最小，对比研究证实了这一点．给出了对比研究的结果，研究了该算法抗笔画边缘毛刺的机理．