基于模板匹配和SVM的草图符号自适应识别方法

在草图符号的自适应学习中,不同用户的训练样本数量可能不同,保持在不同样本数量下良好的学习效果成为需要解决的一个重要问题.提出一种自适应的草图符号识别方法,该方法采用与训练样本个数相关的分类器组合策略将模板匹配方法和SVM统计分类方法进行了高效组合.它通过利用支持小样本学习的模板匹配方法和支持大量样本学习的SVM方法,并同时利用草图符号中的在线信息和离线信息,实现了不同样本个数下自适应的符号学习和识别.基于该方法,文中设计并实现了支持自适应识别的草图符号组件.最后,利用扩展的PIBG Toolkit开发出原型系统Idea Note.评估表明,该方法可以在24类草图符号分别使用1到20个训练样本时具有较高的识别正确率和较好的时间性能.

基于语音和笔的手写数学公式纠错方法

采用识别技术的用户界面往往由于识别率的限制容易出错,如何为这类界面提供自然高效的纠错方法十分重要.手写数学公式具有二维结构,难以识别和纠错.提出一种用于纠正手写数学公式识别错误的多通道技术.它允许用户使用笔纠正切分错误,用笔和语音纠正符号识别和表达式结构分析错误.该技术的核心是一个多通道融合算法.融合算法以笔选择的符号和语音作为输入,根据语音输入的类型是数学术语或者数学符号分别选择融合方法,最后修正手写公式并输出最有可能的识别结果.实验结果表明,该技术能有效地纠正手写数学公式识别中的错误,它比基于笔的单通道纠错技术更加高效.

Ruby:一个基于移动设备的个人信息管理系统

为满足移动环境对非结构化个人信息管理的自然性和高效性的需求,提出一个基于移动设备的个人信息管理系统Ruby.首先分析了移动环境对个人信息管理的需求,描述了系统框架,接着介绍了系统界面和交互过程,并阐述了支持该系统的2个主要技术:非结构化笔记编辑技术和基于笔迹标签的检索技术.对2个技术和整个系统的评估结果表明,该系统能够满足移动环境对自然交互、非结构化信息采集加工及个人信息自然检索的需求.

笔式几何学习系统的设计与实现

基于现有的几何学习软件存在着交互方式不自然,不智能的缺点,设计并实现了一个笔式几何学习系统,用以模拟初中几何教学过程中,教师出题,学生答题的情境。笔式几何学习系统运用约束求解技术动态展示几何属性,运用草图识别技术将草图识别为几何图形,通过笔手势帮助用户更加方便地操作使用软件。评估表明,用户以笔交互的方式进行书写、绘图和操作,体现了和谐自然的人机交互模式。