“最可敬爱的朋友”——胡适与单不庵往来手札23通考释

通过整理单不庵与胡适往来论学的23通手札,探讨二人因书结缘、共相校雠、讨论韵脚以及临终托付等往来交游事项,考证胡适与单不庵深厚的学术情谊:二人志同道合、惺惺相惜,单不庵被胡适称为“最可敬爱的朋友”。通过这些手札亦可看出二人认真严谨、谦虚求教的学术风格。

“祗”“祇”,还是“只”?

甲戌本《石头记》是胡适创立新红学的奠基石,胡适购藏它之前,曾收到卖书人胡星垣的一封信,信中介绍此书“惟只存十六回”.此信被后期红学研究者纷纷引用,信中手书繁体“只”字有识作“祇”者,也有识作“祗”者,今“祇”“祗”“只”共存于红学论著中.“祇”“祗”虽仅一“点”之差,含义迥异,胡星垣信中只能是“祇”而不是“祗”,二者不可混淆.

基于最小错误率的贝叶斯决策在手写英文字母分类识别中的应用

统计决策理论是处理模式识别问题的基本理论之一,而贝叶斯决策理论方法又是统计模式识别中的一个基本方法,它可以有效地对大量数据进行分析,并生成相应的分类器,对于数据的分类识别有着重大的意义。把最小错误率的贝叶斯方法运用到手写英文字母的识别中,提高了分类的准确性和有效性。

基于惯性传感器的可穿戴设备智能控制技术的研究与实现

随着电子技术的不断发展,智能手表等电子设备应运而生,这种可穿戴设备以最简洁的形式向用户提供有用可靠的信息。同时,多种MEMS惯性传感器(加速度计、陀螺仪、磁力计等)也被广泛的应用于移动电子设备中,促使产生了基于惯性传感器的可穿戴设备智能控制技术。本文所研究的该技术应用是手写字母识别技术。本文针对字母表中的26个英文字母,由志愿者佩戴手表后,用笔在纸上书写,每个字母的样本个数为30个左右。对于原始数据(时间、加速度以及陀螺仪数据),分段地特征提取,通过支持向量机(SVM)进行模型训练。实验结果表明:该系统对英文字母有着较高的识别准确率,准确率为95.38%,系统实现在LG G Watch上。

基于AlexNet的手写希腊字母识别研究

针对手写希腊字母识别的问题,使用了一种基于卷积神经网络(AlexNet)的图像识别方法。利用采集的手写体希腊字母大小写样本,对其预处理后,将其划分为训练集和测试集,对AlexNet模型进行训练,测试得到的大小写字母识别准确率分别达到98.27%和96.07%。结果表明,将AlexNet应用于手写希腊字母识别有着良好的识别效果,验证了该方法的合理性和有效性,具有一定的现实意义。