CN1153120C - 表意字符的递增输入方法 - Google Patents
表意字符的递增输入方法 Download PDFInfo
- Publication number
- CN1153120C CN1153120C CNB971224897A CN97122489A CN1153120C CN 1153120 C CN1153120 C CN 1153120C CN B971224897 A CNB971224897 A CN B971224897A CN 97122489 A CN97122489 A CN 97122489A CN 1153120 C CN1153120 C CN 1153120C
- Authority
- CN
- China
- Prior art keywords
- stroke
- character
- supposition
- candidate characters
- characters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000013528 artificial neural network Methods 0.000 claims description 31
- 230000001537 neural effect Effects 0.000 claims description 12
- 238000012217 deletion Methods 0.000 claims description 11
- 230000037430 deletion Effects 0.000 claims description 11
- 230000008676 import Effects 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 6
- 230000003111 delayed effect Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 30
- 239000013598 vector Substances 0.000 description 29
- 230000008569 process Effects 0.000 description 28
- 238000012549 training Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 20
- 230000001965 increasing effect Effects 0.000 description 14
- 238000003780 insertion Methods 0.000 description 12
- 230000037431 insertion Effects 0.000 description 12
- 239000010977 jade Substances 0.000 description 12
- 238000005070 sampling Methods 0.000 description 12
- 210000003811 finger Anatomy 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 8
- 235000017491 Bambusa tulda Nutrition 0.000 description 8
- 244000082204 Phyllostachys viridis Species 0.000 description 8
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 8
- 239000011425 bamboo Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 239000000203 mixture Substances 0.000 description 7
- 240000007594 Oryza sativa Species 0.000 description 5
- 235000007164 Oryza sativa Nutrition 0.000 description 5
- 235000009566 rice Nutrition 0.000 description 5
- 235000013339 cereals Nutrition 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000003825 pressing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 2
- 235000014653 Carica parviflora Nutrition 0.000 description 2
- 244000132059 Carica parviflora Species 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 2
- 235000007516 Chrysanthemum Nutrition 0.000 description 2
- 244000189548 Chrysanthemum x morifolium Species 0.000 description 2
- 108091026890 Coding region Proteins 0.000 description 2
- 241000721047 Danaus plexippus Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 240000005373 Panax quinquefolius Species 0.000 description 2
- 241001417495 Serranidae Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 239000003205 fragrance Substances 0.000 description 2
- 239000010437 gem Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- AJBZENLMTKDAEK-UHFFFAOYSA-N 3a,5a,5b,8,8,11a-hexamethyl-1-prop-1-en-2-yl-1,2,3,4,5,6,7,7a,9,10,11,11b,12,13,13a,13b-hexadecahydrocyclopenta[a]chrysene-4,9-diol Chemical compound CC12CCC(O)C(C)(C)C1CCC(C1(C)CC3O)(C)C2CCC1C1C3(C)CCC1C(=C)C AJBZENLMTKDAEK-UHFFFAOYSA-N 0.000 description 1
- 206010063409 Acarodermatitis Diseases 0.000 description 1
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 240000000073 Achillea millefolium Species 0.000 description 1
- 235000007754 Achillea millefolium Nutrition 0.000 description 1
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- 241001504639 Alcedo atthis Species 0.000 description 1
- 235000018645 Allium odorum Nutrition 0.000 description 1
- 240000008654 Allium ramosum Species 0.000 description 1
- 240000002234 Allium sativum Species 0.000 description 1
- 240000000662 Anethum graveolens Species 0.000 description 1
- 241000272517 Anseriformes Species 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000282817 Bovidae Species 0.000 description 1
- 241000345998 Calamus manan Species 0.000 description 1
- 235000003880 Calendula Nutrition 0.000 description 1
- 240000001432 Calendula officinalis Species 0.000 description 1
- 241000282421 Canidae Species 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 241000879755 Caracal Species 0.000 description 1
- 241000499489 Castor canadensis Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 235000005983 Crescentia cujete Nutrition 0.000 description 1
- 206010011416 Croup infectious Diseases 0.000 description 1
- 241000086398 Dagon Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 206010019909 Hernia Diseases 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 208000015817 Infant Nutrition disease Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 235000010254 Jasminum officinale Nutrition 0.000 description 1
- 240000005385 Jasminum sambac Species 0.000 description 1
- 240000007741 Lagenaria siceraria Species 0.000 description 1
- 235000009797 Lagenaria vulgaris Nutrition 0.000 description 1
- 235000019687 Lamb Nutrition 0.000 description 1
- 244000207740 Lemna minor Species 0.000 description 1
- 235000006439 Lemna minor Nutrition 0.000 description 1
- 241000239218 Limulus Species 0.000 description 1
- 235000011779 Menyanthes trifoliata Nutrition 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241001448624 Miliaria Species 0.000 description 1
- 235000008708 Morus alba Nutrition 0.000 description 1
- 240000000249 Morus alba Species 0.000 description 1
- 241001416180 Moschidae Species 0.000 description 1
- 241001508687 Mustela erminea Species 0.000 description 1
- 235000002195 Nymphaea caerulea Nutrition 0.000 description 1
- 240000009085 Nymphaea caerulea Species 0.000 description 1
- 235000016428 Nymphaea stellata Nutrition 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 241000282373 Panthera pardus Species 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241001247287 Pentalinon luteum Species 0.000 description 1
- 241000288049 Perdix perdix Species 0.000 description 1
- 241000286209 Phasianidae Species 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 241001674048 Phthiraptera Species 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 241000282405 Pongo abelii Species 0.000 description 1
- 235000001855 Portulaca oleracea Nutrition 0.000 description 1
- 241001201614 Prays Species 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 241000282806 Rhinoceros Species 0.000 description 1
- 241000220317 Rosa Species 0.000 description 1
- 240000000111 Saccharum officinarum Species 0.000 description 1
- 235000007201 Saccharum officinarum Nutrition 0.000 description 1
- 244000007853 Sarothamnus scoparius Species 0.000 description 1
- 206010039509 Scab Diseases 0.000 description 1
- 241000447727 Scabies Species 0.000 description 1
- 235000003434 Sesamum indicum Nutrition 0.000 description 1
- 244000040738 Sesamum orientale Species 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 208000005392 Spasm Diseases 0.000 description 1
- 241001284373 Spinus Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 235000009430 Thespesia populnea Nutrition 0.000 description 1
- 244000299492 Thespesia populnea Species 0.000 description 1
- 208000002474 Tinea Diseases 0.000 description 1
- 241001648319 Toronia toru Species 0.000 description 1
- 241000893966 Trichophyton verrucosum Species 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 235000009754 Vitis X bourquina Nutrition 0.000 description 1
- 235000012333 Vitis X labruscana Nutrition 0.000 description 1
- 240000006365 Vitis vinifera Species 0.000 description 1
- 235000014787 Vitis vinifera Nutrition 0.000 description 1
- 208000000260 Warts Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 235000006886 Zingiber officinale Nutrition 0.000 description 1
- 244000273928 Zingiber officinale Species 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 239000003610 charcoal Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 235000011950 custard Nutrition 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 210000003298 dental enamel Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 208000001848 dysentery Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000004611 garlic Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 235000008397 ginger Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 210000004317 gizzard Anatomy 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 208000014617 hemorrhoid Diseases 0.000 description 1
- 244000144980 herd Species 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 244000000053 intestinal parasite Species 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007803 itching Effects 0.000 description 1
- 238000009940 knitting Methods 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 201000004792 malaria Diseases 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 235000012950 rattan cane Nutrition 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 235000015067 sauces Nutrition 0.000 description 1
- 208000005687 scabies Diseases 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000009958 sewing Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 201000010153 skin papilloma Diseases 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
- 239000010151 yanghe Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/36—Matching; Classification
- G06V30/387—Matching; Classification using human interaction, e.g. selection of the best displayed recognition candidate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/018—Input/output arrangements for oriental characters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/333—Preprocessing; Feature extraction
- G06V30/347—Sampling; Contour coding; Stroke extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters
Abstract
递增识别表意字符手写体方法包括:(1)以自然笔划次序输入至少一个笔划;(2)将比划提供给递增字符识别器,产生一个假定表;(3)显示候选字符假定表;(4)假定表的候选字符中出现正确字符时,对其选择;(5)当假定表中没有正确字符时,以自然笔划次序至少另外一个笔划;(6)将该笔划提供给递增字符识别器,产生更新的假定表;(7)显示更新的候选字符假定表;(8)更新的假定表的候选字符中出现正确字符时,对其选择;(9)重复步骤(5)至(8),直到选出一个正确字符止。
Description
本发明相关于将表意字符输入计算机的一个用户接口。
表意字符的计算机输入存在一个难以解决的用户接口问题。例如,在基本的汉字字库中,有5401个字符,每个字符对应一个不同的含义,具有5401个键位的键盘无论从制造还是使用来讲都是不可能的。
现有技术中有两种不同的解决方法,第一种采用一个键盘,其中输入一个字符需要一个以上的键位,第二种采用一个图形输入板和一个识别所有字符的软件手写识别系统。
对表意字符有多种键盘输入方法。例如,有一种称为Ziran输入系统的键盘,由加拿大Calgary的Multi-Corp制造,其中每个键位对应一种特定笔划(横、竖、竖折、等等)。为了输入一个字符,用户必须决定哪种形状的笔划最接近他想要的,然后按下相应的键。还有其它键盘输入系统,其中每个键对应一个特定的音或字符的子集(称为部首)。参考例如授予Wong的美国专利5,131,766、授予Feng的美国专利4,669,901、授予Yong-Min的美国专利4,684,926。
所有这些键盘输入系统都是不直观的,需要长时间练习才能熟练使用。例如,对Ziran输入系统,初学者在按下任意一个键之前常常要用手指将整个字符写在桌子上,因为哪种笔划实际最接近想要的字符是不直观的,初学者需要加以考虑才能确定。
对亚洲表意字符的输入来说,产生输入困难的另一个原因是字符包含的笔划数。某些字符包括多达30个笔划。
有一个能改进Ziran输入系统使用性的调节因子,该系统在每按下一个键后提供多种假定,该假定是多达大约10个字符的一个表,这些字符与目前按下的键一致。通常用户只需要输入一个字符的前四到六个笔划,系统就可以将候选表缩小到一个或两个可能的字符。用户可以在任何时候从表中选出一个候选字符。这种增量方法将输入速度提高了大约2至4倍。
输入表意字符的另一种方法是用笔在图形输入板上自然地写出整个字符,例如,参考Crane等人的美国专利4,561,105、Greanias等人的美国专利4,365,235和Kitamura的美国专利5,462,711。软件识别系统试图找出与图形输入板上输入的笔划最相配的字符。某些表意字符识别器只识别书写整齐的字符,然而,整齐书写整个字符要花费较长的时间,为了加快字符输入处理,人们会将笔划连接起来形成草体字。但草体字具有很强的特意性和/或很不整齐,因此在软件试图识别写的什么时造成很差的准确性。
另外,现有技术的表意字符识别器的例子或者需要在图形输入板下有一个显示器,或者需要一个能感应悬在图形输入板上方的笔的贴近的图形输入板,迄今为止这些技术是使书写笔划与选择指令和/或字符假定有效结合所必须的。然而,这两种技术都很昂贵,增加了手写识别产品的费用。
Monroe等人的美国专利4,829,583描述了采用图形输入板输入表意字符的笔划的一个系统。用户首先写出字符的第一笔和最后一笔,系统随后根据被量化9×9坐标网格的这些笔划的起点和终点来识别该字符,如果根据这两个笔划不能唯一判定字符,则显示出一列候选字符供用户选择。在由Monroe等人公开的另一个实施例中,用户可以输入另外的特定笔划来确定字符。这些另外的笔划可以是第二笔和倒数第二笔、部首的最后一笔或紧随部首的笔划。
采用Monroe等人公开的系统具有严重的局限性,主要是因为采用的识别算法过于简单。由于识别算法是一个查询表,没有公开误差校正手段,因此,用户必须严格在系统要求的9×9坐标网格中开始和结束特定的笔划。如果用户在一个相邻的方格中开始或结束笔划,系统就不能识别该字符。Monroe等人公开的系统在图形输入板上提供一个坐标网格层来帮助书写笔划。然而,用户常常无法记住所有5401个字符的所有笔划的准确起点或终点。此外,如果图形输入板很小,如在触摸板的情况下,在快速书写时很难正好点在正确的坐标网格方块上。强制要求起始和结束在准确的坐标网格方块上,既容易出错,也很不舒服。如果将一个笔划准确开始或结束在正确方块上的成功率是95%,那么两个笔划之后识别的可能性就只有(.95)^4=81%,如果需要六个笔划来识别,那么采用Monroe等人的系统的识别可能性就只有(.95)^12=54%。如果字符非常复杂,需要18个笔划来与别的字符区别开,那么识别的可能性是(.95)^36=16%。
显然,Monroe等人的系统必须限制用很少几个笔划来识别字符。本领域的技术人员公知,汉字中第一笔和最后一笔是最关键的,Monroe等人利用了这个事实,因此用户必须首先写出字符的第一笔和最后一笔,随后可能写出靠近部首末尾的关键笔划。
然而,被强迫书写字符的第一笔、然后是最后一笔、再然后可能是中间任意某些笔划是很不直观也很容易出错的。如果用户以公知的正确笔划次序开始书写笔划,通常可能需要3到18笔才能确定该字符,因为很多字符具有相同的部首,而该部首可能多达17个笔划。如上所述,如果用户以公知的正确笔划次序书写,Monroe等人的系统就会出现令人无法接受的高出错率,另外,强迫用户以不自然的方式(即与字符自然书写的次序不同)书写字符会包含既不灵活也不适宜的用户接口。
本发明的一个目的是建立一个用于表意字符的增量输入方法,使用户以公知的正确次序书写笔划,并同时保持高准确率。
本发明的另一个目的是提供一个与在图形输入板上书写字符一样直观的表意字符输入方法。
本发明的另一个目的是提供一个比标准的表意字符识别更快也更准确的表意字符输入方法。
本发明的又另一个目的是提供一个采用低价格图形输入板输入表意字符的方法,该图形输入板不用邻近监测或显示器。
本发明的另一个目的是提供一个能够克服现有技术中的某些缺点的增量型表意字符输入法。
本发明是一个用于将表意字符输入计算机的用户接口方法。该方法包括以下步骤:首先,用户在图形输入板或触摸板上输入表意字符的至少一个笔划,该笔划以表意字符书写的自然次序书写(下称“自然笔划次序”),用这些初始笔划对笔划表进行初始化,并将笔划表提供给一个增量字符识别器,后者产生包括这些初始笔划的候选字符的假定表。然后用户可以通过指示需要的候选字符,从假定表中的候选字符中选出一个正确的字符,如果没有正确的候选字符,用户可以写出字符的另一个笔划,将该另外的笔划加到笔划表中,并将笔划表提供给增量型字符识别器,产生一个新的假定表。该方法继续接收笔划直到用户选择一个假定为止。
另外,用户接口可以接收用户的命令,该命令可以用于删除笔划表中的某些或所有笔划,停止识别程序,或发送其它命令给字符识别程序、应用程序或操作系统。
根据本发明的另一个实施例,用户可以在两个不同的窗口交替写入笔划。当在另一个窗口写入一个笔划时,用户指示应该选择写在第一个窗口中的笔划对应的候选字符表中的第一个候选字符。
通过采用触摸板并将选择区域放在窗口的边缘,可以更容易选择命令和候选字符。这种放置容许用户将手指沿触摸板的边缘移动,来加亮各种命令或候选字符。用户不必看他的手指,而是可以通过感觉触摸板的斜面来找出边缘。由于触摸板不能感觉笔或手指的接近,这通常阻碍了触摸板作为绝对方式指示装置的使用性,而边缘放置命令能使触摸板作为一个有效的表意字符输入装置来使用。边缘放置命令允许使用任何没有接近感应或在触摸板下方安装的显示器的输入装置。
本发明的递增识别器比现有技术要高级得多,因为它基于统计模式分类器,它们可以用于产生一个更准确的递增识别系统。递增识别器的第一部分是一个预分类器,它将所有可能的候选字符中的候选字符限定为很小的一组,以便加速识别。然后一个细分类器确定写入的部分或全部字符的标识(identity)。用两个神经网络来构成一个细分类器,第一个网络是一个两层的时间延迟神经网络,最适合用于识别部分字符,第二个网络是一个两层的标准神经网络,最适合用于识别完整字符。两个网络的输出被组合起来产生一个对部分字符和完整字符都很适合的系统。然后将两个网络的输出组合排序,产生一个假定表。
作为后处理步骤,递增识别器处理假定表,笔划比用户写入的笔划明显少的字符被从假定表中删除,属于假定表上其它字符子集的字符或者被提到表的前面,或者被插在表的前面。
根据第一方面,提供递增识别表意字符手写体的装置,包括:
一个计算机图形输入板,用于以自然笔划次序输入表意字符的笔划;
一个递增字符识别器,与所述计算机图形输入板相连,响应部分字符之间的几何关系,产生包含所述笔划的至少一个候选字符的一个假定表;
用于显示所述假定表的装置;
用于从所述假定表的所述至少一个候选字符中选择一个正确字符的装置;
当所述假定表的所述至少一个候选字符中没有一个被选择时用于以自然次序给所述递增字符识别器提供至少另外一个单一笔划的装置。
根据第二方面,提供用于递增识别表意字符的装置包括:
用于输入代表表意字符笔划的坐标数据的输入装置;
用于处理所述坐标数据的输入预处理器;
响应代表部分字符的笔划的所述数据之间的几何关系并产生具有至少一个候选字符的一个假定表的递增识别器;
显示装置;
所述显示装置上的一个窗口,被划分为显示笔划的第一区域和显示所述至少一个候选字符的第二区域。
根据第三方面,提供递增识别表意字符手写体的方法,依次包括以下步骤:
(1)从一个计算机图形输入板输入表意字符的至少一个笔划;
(2)提供所述至少一个笔划给包括一个预处理器和一个统计模式分类器的递增字符识别器,所述递增识别器产生包含至少一个候选字符的一个假定表;
(3)显示包含所述至少一个笔划的所述候选字符假定表;
(4)当所述假定表的所述候选字符中出现一个正确字符时,从其中选择一个正确字符;
(5)当所述假定表没有一个候选字符是正确字符时,从所述计算机图形输入板输入所述表意字符的至少另外一个笔划;
(6)将所述至少一个另外的笔划提供给所述递增字符识别器,并产生包括至少一个候选字符的更新的假定表;
(7)显示包含每个笔划的所述更新的候选字符假定表;
(8)当所述更新的假定表的所述候选字符中出现一个正确字符时,从其中选择一个正确字符;
(9)重复步骤(5)至(8),直到从所述更新的假定表中选出一个正确字符为止。
根据第四方面,提供递增识别表意字符手写体的方法,依次包括以下步骤:
(1)从一个计算机图形输入板以自然笔划次序输入表意字符的至少一个笔划;
(2)提供所述至少一个笔划给包括一个预处理器和一个统计模式分类器的递增字符识别器,所述递增识别器产生包含至少一个候选字符的一个假定表;
(3)显示包含所述至少一个笔划的所述候选字符假定表;
(4)当所述假定表的所述候选字符中出现一个正确字符时,从其中选择一个正确字符;
(5)当所述假定表没有一个候选字符是正确字符时,从所述计算机图形输入板以自然笔划次序输入所述表意字符的至少另外一个笔划;
(6)将所述至少一个另外的笔划提供给所述递增字符识别器,并产生包括至少一个候选字符的更新的假定表;
(7)显示包含每个笔划的所述更新的候选字符假定表;
(8)当所述更新的假定表的所述候选字符中出现一个正确字符时,从其中选择一个正确字符;
(9)重复步骤(5)至(8),直到从所述更新的假定表选出一个正确字符为止。
图1是实行本发明的表意字符递增输入法的装置的方框图;
图2是用于本发明的表意字符递增输入法中的一个典型显示窗口的示意图;
图3是由本发明的输入处理器执行的初始步骤的流程图;
图4是根据本发明方法启动笔或手指向下处理的一个当前较佳实施例的流程图;
图5的流程图示出了在初始向下点之后笔或手指向下作用期间本发明方法执行的处理步骤;
图6的流程图示出了当用户将笔或手指从触摸板或图形输入板上提起时输入处理器执行的步骤;
图7的示意图示出了本发明的显示窗口的另一个实施例,它用于有经验的用户;
图8的流程图示出了实现图7的用户接口的步骤;
图9的流程图示出了对输入装置是触摸板时较佳的对用户接口的可选增强;
图10的流程图示出了图1的增量识别器的一个当前较佳实施方式;
图11是适用于本发明的一个预分类器的结构方框图;
图12a的示意图示出了模糊译码是如何将一个连续标量转换为模糊成员变量中的一个矢量的;
图12b的示意图示出了模糊译码是如何将一个0到360度范围内的方向变量转换为模糊成员变量中的一个矢量的;
图13的流程图示出了图11的分类器的方向特征变换(DFM)的操作;
图14的方框图示出了适用于本发明的一个时间延迟神经网络(TDNN)的结构与布置;
图15的方框图示出了适用于本发明的一个基于图像的神经网络(INN)的结构与布置;
图16的流程图示出了安排假定表以便增大假定表中的第一个元素作为正确答案的机会;
图17的流程图示出了在图16的假定删除算法的较佳实施例中的步骤;
图18的流程图示出了在图16的假定插入算法的较佳实施例中的步骤;
图19的流程图示出了在图16的假定重排算法的较佳实施例中的步骤。
本领域的技术人员会认识到下面对本发明所作的描述是示意性的,不对本发明产生任何限定。本领域的技术人员很容易联想到本发明的其它实施例。
在本发明的说明书和权利要求书中,采用了“自然笔划次序”的用语,在这里表示该语言是其母语的人通常书写一个表意字符的笔划次序。
在本发明的说明书和权利要求书中,采用了单词“笔”,在这里表示由图形输入装置或触摸板感应到的一个位置指定装置。对一个标准的图形输入板来说,它是一个笔尖(stylus),而对一个标准的电容触摸板来说,它是一个手指。
在本发明的说明书和权利要求书中,采用了“统计模式分类器”的用语,在这里表示将输入模式分为若干类中的其中之一的一个装置,这样一种分类器的参数和/或结构由输入模式的统计分析确定。统计模式分类器的例子包括神经网络、径向基函数、分类和回归树、参量贝叶斯分类器、最相邻分类器、局部参数模型、专家混合和多项式分类器。统计模式分类器还可以包括若干采用组合算法对其输出进行组合的统计模式分类器。统计模式分类器的其它例子对模式识别领域的技术人员是显而易见的。
参考图1,其中示出了用于执行本发明的表意字符输入方法的一个装置10。用户采用图形输入板或触摸板14与计算机12进行交互作用。根据本发明的一个当前较佳实施例,用户将采用一个触摸板,因为它的台面面积很小(小于4平方英寸),因此很容易集成到键盘或便携式计算机中。触摸板的输出由执行本发明方法的输入处理器16进行处理。输入处理器与递增识别器18交互作用,在显示器20上绘制图形,并发送字符信息到操作系统或应用程序22。输入处理器通常由运行在计算机12上的软件实现。
参考图2,其中示出了一个输入处理器的典型显示窗口30,窗口30可以是一个标准窗口系统的一个窗口如X窗口或Windows95。窗口30通常是计算机显示器20的一个子集。窗口30的一部分32被保留来显示由增量识别器产生的假定,另一部分34示出用户目前为止写出的笔划,示于窗口30的右侧的再另一部分36保留给按钮,用户由此可以向输入处理器发命令。
根据本发明的较佳实施例,触摸板14的绝对坐标系统被转换为窗口30的坐标系统,并且窗口30与触摸板具有相同的长宽比,从而用户可以通过接触触摸板上的任何一处来达到整个窗口。示于图2中的区域32、34和36的安排最适合与触摸板一起使用,因为在区域34和36内选择子区域只需要用户将其手指沿触摸板的纵向边沿移动。区域32、34和36的其它安排在本发明范围内也是可能的。
现在参考图3,其中示出了由本发明的输入处理器16执行的初始步骤的流程图。触摸板输入装置14产生数据包,输入处理器16必须处理这些数据包,并对用户的意图作出合适的反应。
在步骤40,输入处理器等待从触摸板14输入的下一个数据包。根据本发明的当前较佳实施例,假定这些数据包被一个单独的执行线程排队,从而输入处理器不需要有多个执行线程。每个数据包具有来自触摸板的X和Y的绝对位置数据,以及一个指示笔(或手指)是否与触摸板接触的信号。
当一个数据包到达输入处理器时,执行步骤42,它以变量penDown存储笔当前是否接触触摸板的信息。然后执行步骤44,其中触摸板上的(X,Y)点被转换为图2的窗口30中的(X′,Y′)点。如上所述,当输入处理器正执行本发明的步骤时,整个触摸板被映射到整个窗口,该窗口与触摸板具有相同的长宽比。在具有相同的长宽比的矩形之间进行转换的方法是现有技术中公知的技术。另一个实施例可以包括标准的图形输入板,其中图形输入板的坐标系统被映射到显示器20的整个区域,如现有技术中公知的那样。
步骤44之后,步骤46确定penDown是否为TRUE(真),如果是,输入处理器确定当前数据包被转换到哪个区域(32、34或36),这种确定是现有技术中公知的“命中测试”。区域标记在步骤48被存储在loc变量中。步骤48之后,步骤50审查变量oldPenDown,该变量包括先前数据包的penDown变量值。在程序入口处,变量oldPenDown被初始化为FALSE(假)。如果oldPenDown为TRUE,那么执行步骤52。步骤52将在图9作进一步解释。然后,控制进行到图5,在此执行标准的下笔处理。
如果oldPenDown为FALSE,那么步骤54被执行,通过将长度为3的一个数组变量dc初始化为0,并将变量changeStart初始化为0,在步骤54初始化startLoc调节算法。然后控制进行到图4的流程,描述初始的下笔处理。如果在步骤46penDown为FALSE,那么处理器在步骤56检查oldPenDown,如果oldPenDown也为FALSE,则用户不与输入处理器交互作用,系统在步骤58将oldPenDown更新为PenDown,并且控制返回到步骤40。如果在步骤56oldPenDown为TRUE,那么笔刚刚提起,并如图6所示进行提笔处理。
图4示出了根据本发明的初始下笔处理的一个较佳实施例。笔或手指的初始下落点被转换的区域确定用户接口的行为。如果在区域34下笔,那么用户希望写出另一个笔划,如果笔落在区域32,那么用户是想选择候选字符,如果笔落在区域36,那么用户希望输入命令。本实施例的变化可以由本领域的技术人员联想到。例如,用户可能需要在触摸板上相应于区域34或36的区域作出敲击动作,以便选择候选字符或执行命令。图4执行的较佳实施例仅仅通过在一个区域下笔来指示将要从该区域选择一个对象。
在步骤60,变量startLoc将被装入第一下笔点的标号,它包含在位置变量“loc”之中。变量startLoc将在整个用户接口用作模式标志。如果在步骤62startLoc为34,那么用户希望写入一个新的笔划,因此步骤64分配一个新笔划,步骤66将当前触摸板的点(X,Y)加到该笔划上。
如果startLoc不是34,步骤68确定是否为32。如果是,那么用户希望选择一个候选字符。然后输入处理器执行步骤70,找出图形显示包含点(X′,Y′)的候选字符,并高亮显示 该候选字符。其它图形接口动作,如按下图形按钮或改变候选字符的颜色也可以用来指示作出的选择。选定的候选字符的标识在步骤72被存储在变量oldCandNum中。如果startLoc既不是34也不是32,那么处理器确定用户希望输入一个命令,在步骤74高亮显示其图形显示包含(X′,Y′)点的命令,并将选定的命令的标识在步骤76存储在变量oldCmdNum中。
在步骤66、72或76被执行之后,控制返回到图2流程的步骤58,准备处理器接收新的数据包。
现在参考图5,其中的流程图示出了由本发明方法在初始下笔点之后笔落下的时间间隔内执行的步骤。这些步骤将导致笔划被画出或使用户沿触摸板或图形输入板14的左右边沿滑动笔或手指来选择不同的候选字符或命令。
步骤80通过确定startLoc是否是34来确定用户是否在写出笔划,如果是,在步骤82将当前的(X,Y)点加到笔划上,并在步骤84在窗口30上从先前(X′,Y′)点到当前(X,Y)点画出一条直线。然后控制返回到图2流程图的步骤58,准备处理器接收新的数据包。
如果startLoc不是34,步骤86通过确定startLoc是否是32来检查用户是否在选择一个候选字符,如果是,那么步骤88通过检查loc是否是32来确定用户是否仍然按在触摸板的候选区域,如果是,那么步骤90将变量candNum设置为一个候选字符的标识,该候选字符在显示器20的窗口30中的图形显示包含了当前的(X′,Y′)位置,然后控制进行到步骤94。
如果loc不是32,那么用户没想选择候选字符,因此在步骤92将变量candNum设置为-1,然后步骤94确定oldCandNum是否与candNum相同,步骤94的作用是最大限度地减小在窗口30上的图形操作次数。如果oldCandNum与candNum相同,那么不需要进行图形操作,控制返回到图3的步骤58。
如果oldCandNum与CandNum不同,那么必须改变对候选字符的高亮显示,如果oldCandNum不是-1,步骤96消除对与oldCandNum相应的候选字符的高亮显示。然后,若CandNum不是-1,步骤98高亮显示与candNum相应的候选字符。最后,步骤100用candNum的当前值更新oldCandNum,控制返回到图3的步骤58。
在步骤86,如果startLoc不是32,那么处理器确定用户必定是在选择一个命令。此时执行步骤102至114。步骤102至114与步骤88至100完全类似,只是高亮显示的是命令而不是候选字符,操作的变量是oldCmdNum和cmdNum而不是oldCandNum和candNum。因此,在步骤102,确定startLoc是否是36(指示是否想要一个命令),如果在步骤102确定loc不是36,那么就不是要命令,因此步骤104将变量cmdNum设置为-1,然后控制返回到步骤108。
如果指示了一个想要的命令,步骤106就将变量cmdNum设置为其在窗口30中的图形显示包括当前(X′,Y′)位置的命令的标识,然后步骤108确定cmdNum是否等于oldCmdNum,如果是,那么就不需要作进一步的图形处理,控制返回到图3的步骤58。
如果oldCmdNum与cmdNum不同,那么必须改变命令的高亮显示。如果oldCmdNum没被设置为-1,步骤110消除对与oldCmdNum相应的候选命令的高亮显示。然后,如果cmdNum没被设置为-1,步骤112高亮显示与cmdNum相应的命令。最后,步骤114用cmdNum的当前值更新oldCmdNum,控制返回图3的步骤58。
参考图6,其中的流程图示出了当用户将笔或手指从触摸板或图形输入板14上提起时图1的输入处理器16采取的步骤。根据本发明的一个当前较佳实施例,提笔是一个信号,表示或者将笔划发送到递增识别器,或者选择一个字符或一个命令。如上所述,另外的实施例可以采取不同的选择行为。例如,在任何时间点击鼠标的左边按键,用户可以指示对表中第一候选字符的选择。
步骤118首先通过检查startLoc是否是34来确定用户是否处于输入笔划模式。如果是,步骤120确定笔划是否太小以至无法处理。如手写识别技术中公知的那样,很小的笔划常常会当做用户不小心画出的笔划而忽略。然而,在识别表意字符时要非常小心,因为有些用户写得非常快,因此他们的笔划被大大缩短。在步骤120的较佳实施例中,确定笔划宽度和高度的最大值。如果这个最大值在触摸板上小于大约1mil,那么控制返回到图3的步骤58。
如果在步骤120确定笔划并不太小,步骤122将当前的笔划加到包含到目前为止写出的笔划的笔划表中。当处理程序开始时,将该笔划表初始化为空。步骤124将笔划表传送到一个递增识别器18,然后在步骤126从识别器18返回包含候选字符的一个假定表。
递增识别器是一个受到一些限定的识别器。最好是递增识别器在小于250毫秒下操作,以便不以每个笔划之间的长延迟时间干扰用户。另一方面,如果执行一个可选择的中断,那么识别器可以用较长的时间来操作。递增识别器不能采用字符的总笔划数,也不能采用字符最后的大小,原因是这些信息在书写该字符时无法得到。然而,递增识别器可以采用到目前为止写出的笔划或到目前为止写出的字符的大小。
基于字典的识别器(如Crane等人的美国专利4,561,105、LeCun等人的美国专利5,337,372和Carman II的美国专利5,454,046中描述的)可以用作递增识别器,因为字典或参考模式可以扩展到包括表意字符的缩写。另外,递增识别器可以由本领域的普通技术人员采用任意数目的统计模式分类器,如分类与回归树、神经网络或这些元件的组合来构成。本发明是递增识别器的一个用户接口,不依赖于任何特定的识别技术。
作为一种最佳方式,递增识别器可以保存与输入处理器的调用之间的输入笔划表相关的状态。然而,输入处理器必须对笔划表进行存取,以便按照用户的指示增加或删除笔划。
作为另一种最佳方式,如果输入处理器16检测到一个下笔数据包的到来,那么在执行识别时输入处理器可以中断递增识别器。下笔数据包指示用户正试图写一个新笔划或选择一个命令或候选字符。在较佳实施例中,递增识别器中断在处理数据包排队(步骤40)的执行线程中执行。排队线程与执行输入处理程序和递增识别程序的线程分开。当数据包从触摸板输入时,排队线程立即对其进行操作。排队线程将当前数据包的上/下状态写入一个存储器存储单元。当执行输入处理程序和递增识别程序的线程正执行递增识别程序步骤时,它周期性地检查这个存储单元。如果该存储单元指示在递增识别程序正被执行时当前数据包是下笔数据包,那么递增识别程序中断,控制立即返回到图3的步骤58。这个中断保证了对窗口30的图形更新不会因递增识别器18的处理而变慢。
中断递增识别程序表示用户可以在某些时候在假定字符表产生之间写出一个以上的笔划。在另外一个实施例中,递增识别程序总可以等待一个以上的笔划才开始产生假定或产生进一步的假定。这个另外的实施例并不是较佳的,原因是用户可以在调用递增识别程序之前完成字符,从而增大了用户接口的复杂性。
在步骤126由输入处理器收到的递增识别器的输出是用户正试图画出的表意字符的标识的一个或多个假定。步骤128将在显示器20的窗口30的区域32显示该假定表,以便减小可信度或可能性。由递增识别器产生的假定应该很容易显示在区域32并由用户采用触摸板14选择。在实际应用中,方便显示和选择的要求通常将显示的假定字符限制在少于15个。递增识别器可以产生比区域32能容纳的更多的假定,因此步骤128必须缩短假定表到适当的长度。显示之后,在图3的步骤58系统准备接收新的输入数据包。
如果在步骤118startLoc不是34,那么在步骤130输入处理器确定startLoc是否是36,如果不是,那么可以确定用户正在选择一个字符,做法是在触摸板或图形输入板14相应于窗口30的区域34的一个区域提笔。然后执行步骤132来确定触摸板上的当前位置是否相应于显示器20的窗口30的选择区域32,如果不是,那么可以确定用户正通过移出选择区域来中断选择程序。因此,控制返回到图3的步骤58。
如果触摸板上的当前位置相应于显示器20的窗口30的选择区域32,步骤134发送相应于变量oldCandNum的值的候选字符到操作系统或另一个应用程序。根据在Windows 95下运行的本发明的一个较佳实施例,图1的输入处理器16采用输入方法编辑程序消息与操作系统通信,这在现有技术中是公知的。
当在步骤134发送了候选字符之后,步骤136、138和140清除输入处理器16的状态,以便接收新的字符。步骤136使笔划表变空,步骤138停止假定表的显示,步骤140清除显示区域34。然后处理程序控制返回到图3的步骤58。
如果在步骤130startLoc是36,那么可以确定用户正在选择一个命令,然后步骤142确定用户是否仍然指示在命令选择区域,如果不是,那么用户正在试图中止命令,控制返回到图3的步骤58。否则,步骤144确定与变量oldCmdNum的值相应的命令。然后步骤146确定是否选定了停止命令,如果是,那么输入处理器在执行了适当的清除后退出。根据当前的较佳实施例,在输入处理器退出之前,它将触摸板置于相对模式,从而用户可以用标准的鼠标仿真方法来操作光标。
如果选定的命令不是停止命令,步骤148将根据命令改变笔划表。例如,如果命令是“全部清除”,那么笔划表成为空的。如果命令是“回退”,那么笔划表中的最后一个笔划被删除。
步骤150将改变区域34中的显示来反映步骤148中笔划表的改变。然后程序控制返回到图3的步骤58。
本领域的技术人员会认识到,在命令区域也可以加上其它命令。在本发明的系统中“全部清除”和“回退”命令是较佳命令,但也可以加上其它命令。这些命令不必一定要影响笔划表或显示,但可以比如发送命令到操作系统或递增识别器。这种命令的另一个例子是调用短语完成字典,如在现有的商用表意字符输入系统中常常所作的那样。
当没有笔划被输入到系统中时,在步骤114就没有假定被显示在区域32或被选择。在一个实施例中,当没有笔划被输入系统中时,各种通用的汉字、英语字符或标点可以作为假定被显示出来。这种假定的例子可以是空格键、回车、句号或逗号。另一方面,这些假定也可以代表常用的部首。如果用户不写出任何笔划而选择一个常用的部首,这指示他们想启动具有选定部首的字符。在该方面的一个较佳实施例中,存储起来的一个写出的选定部首的例子被插入到笔划表中,并且继续步骤124的处理程序,如同存储的笔划是由用户输入的一样。
现在参考图7,其中示出了本发明图形的另一个实施例。图7的显示窗口是为对本系统有经验的专家设计的。窗口30现在被分为四个区域,窗口30上方的一条是区域32,显示字符假定,有两个区域(34a和34b)用于笔划输入。窗口30底部的一条命令区域36用于选择命令。
如果用户先在一个区域写出笔划,然后不选择候选字符或执行命令而在另一个区域写出笔划,那么输入处理器将自动选择最合适的候选字符并将其送到操作系统或应用程序。这个用户接口能使用户持续地写出字符,不必停下来选择候选字符。尽管较佳实施例是将区域32和36放置在窗口30的边沿,以便于触摸板的使用,但本领域的技术人员很容易想到区域32、34a、34b和36的其它几何安排。
图8的流程图示出了执行图7所示的用户接口的步骤。图8中的步骤替代了图4中的步骤。当采用图7的用户接口时,输入处理器仍然采用图3、图5和图6的步骤。当采用图7的用户接口时,如果startLoc等于34a或34b,那么对图5和图6中startLoc等于34的检查是真的。
步骤160的执行与图4的步骤60完全一样,当步骤160完成之后,步骤162、164、166和168计算下面的逻辑条件:(startLoc=34a并且先前的startLoc=34b)或(startLoc=34b并且先前的startLoc=34a)为真吗?如果是,那么用户已经从显示器20的窗口30中的区域34a移动了34b(或者正好相反)并希望以缺省方式选择最好的候选字符。在这种情况下,步骤170发送最好的候选字符给应用程序或操作系统,并且步骤172、174和176以图6处理程序的步骤136、138和140的相同方式执行必要的清除步骤。
如果逻辑条件为假并且startLoc=34a或startLoc=34b,或者当步骤176被执行之后,步骤178和180被执行。这些步骤的执行与对图4的步骤64和66所描述的一样,它们以正常的方式开始一个新的笔划。
如果在步骤164startLoc既不是34a也不是34b,那么步骤182确定startLoc是否是32,以及由此判定是否选择了一个候选字符或命令。如果startLoc是32,就执行步骤184和186。这些步骤与图4的步骤70和72一样,是以正常方式执行的。当图8的步骤184和186结束之后,程序控制返回到图3的步骤58。
如果在步骤182确定startLoc不是32,那么执行步骤188和190。这些步骤与图4的步骤74和76相同,并且是以正常的方式执行的,当图8的步骤188和190结束之后,程序控制返回到图3的步骤58。
图9的流程图示出了当输入装置是触摸板时对较佳的用户接口的增强。由于触摸板没有接近感应,也没有集成化的显示器,用户可以将其手指放在与要求的区域32、34和36都不对应的不正确位置,这会给例如希望选择一个候选字符而不是开始一个新的笔划的用户带来麻烦。图9的步骤将试图通过测定在所有区域花费的时间量,来以启发的方式确定用户想要选择哪个区域。如果在下笔的时间间隔用户在指示一个区域时花费的时间比其它所有区域都多,那么可以肯定用户是想指示该区域。
图9的步骤在输入处理器执行图3中的步骤32时执行。步骤198首先通过检查changeStart变量来确定startLoc是否已经作了调节。为了避免使用户产生误会,对每个笔划startLoc最多只修改一次。如果changeStart不是零,那么算法已经改变了startLoc,控制返回到图3的步骤58。否则,步骤200确定当前的(X′,Y′)点是否在窗口30的区域34。如果这样,那么测量在区域34花费的时间的计数器dc[0]在步骤202被递增。步骤204确定初始下笔点是否在区域34之外,并确定在区域34花费的时间量(dc[0])是否超出在区域32花费的时间量(dc[1])和在区域36花费的时间量(dc[2])之和。如果这两个条件都是真的,那么用户想要画出一个笔划,而不是选择一个命令或候选字符,因此,startLoc在步骤206被复位为34,并在步骤208开始一个新的笔划。如果其中一个条件为假,那么控制返回到图5的步骤80。
如果步骤200确定loc不是34,那么步骤210确定当前点是否落在区域32。如果这样,那么类似于步骤202至206执行步骤212至216,但这时处理区域32和dc[1]而不是区域34和dc[0]。步骤216之后,步骤218复位当前笔划:如果有一个当前笔划,笔划的内容被删除并且不再显示该笔划。然后步骤220将变量oldCandNum设置为-1,强迫在图5中高亮显示新的候选字符。
如果在步骤210loc被确定不是32,那么类似于步骤202至206执行步骤222至226,但这时处理区域36和dc[2]而不是区域34和dc[0]。步骤226之后,步骤228复位当前笔划并且步骤230将变量oldCmdNum设置为-1,强迫在图5中高亮显示新的命令。
当步骤208、220或230被执行之后,在步骤232消除所有当前的高亮显示,并且步骤234将变量changeStart设置为1,指示startLoc已经被改变。然后控制返回到图5的步骤80。
图10的流程图示出了实现图1的递增识别器的较佳实施例。递增识别器18的功能是接收构成部分或完整字符的笔划表并产生该字符的标识的假定表。根据本发明的当前较佳实施例,递增识别器可以从5401个最常用的传统汉字产生假定表。本领域的技术人员会注意到本发明的递增识别器很容易被扩展到包括传统汉字集合的更多字符,或扩展到不同的字符集合,如简体汉字集合、日文汉字或朝文字符集合。
在数千个字符标识之间进行选择,即使对现代化个人计算机而言,也是一个计算密集的任务。由于在本发明的较佳实施例中,要求在每个写出的笔划之间确定递增识别器的值,因此递增识别器必须很快,从而,本发明的较佳实施例分两个阶段识别部分字符:首先将字符集分成可能相互重叠的许多小组,根据本发明的一个当前较佳实施例,5401个字符被分为32个重叠的小组,一个预分类器260确定该部分字符最可能属于哪个小组,然后一个细分类器从小组成员中产生包括最可能的字符的一个假定表。
细分类器本身有两部分:一个最适合用于识别部分字符的神经网络和一个最适合用于识别完整字符的神经网络。已经发现有些用户会在字符结束之前停止,而另一些用户会一直继续到底。通过采用这两个神经网络的输出,可以满足两类用户。相信采用神经网络来识别部分字符,以及两类神经网络的组合,是本发明中具有新颖性的技术。
现在参考图10,其中的流程图为图1的递增识别器的操作提供了详细的示意。首先,步骤240对笔划表定标,以使得字符位于(0,1)x(0,1)的方框中。在较佳实施例中,步骤240保持笔划的长宽比,以便不弄歪该部分字符。更详细地说,笔划表在长宽方向上等同地定标,并被转换,这个步骤的结果是被定标的笔划沿X和Y的方向之一从0延伸到1,并且中心位于沿另一轴的(0,1)间隔内。本领域的技术人员显然知道如何建立一个软件系统来实现该定标。
步骤242通过确定笔划数是否大于三来确定是否应该调用预分类器。在较佳实施例中,预分类器只检查前三个笔划,因为前三个笔划几乎总有足够的信息将字符假定限定为单一的一组。本领域的技术人员显然知道,可以给预分类器提供更多的笔划,但这会增大计算费用。如果步骤242确定有三个或少于三个笔划,步骤244将预分类器260用于被定标的笔划。
预分类器的结构示于图11,其操作将结合该图来进行描述。在较佳实施例中,预分类器的输出是长度为32的一个向量,其中的每个元素反应该部分字符作为相应小组的一个成员的置信度。步骤246随后确定预分类器的最大输出的标识并将其存储为变量P。在存储器或计算机的磁盘上存在一个32个细分类器的阵列。预分类器确定第P个细分类器应该被用于产生假定表。
当用于识别所有字符时,采用预分类器来限制细分类器的检索是公知的,例如,可以参考《IEEE模式研究与机器智能学报》1993年2月第15卷第2期第180至185页,Yih-Tay和Wen-Hsiang Tsai的论文“通过分裂与组合用于联机汉字识别的属性字符串匹配”(“Attributed StringMatching by Split-and-Merge for On-Line Chinese CharacterRecognition”)。然而,采用预分类器来限制对一个部分字符的标识的检索被认为是具有新颖性的。
此外,现有技术中公知可以采用两个以上的分类步骤来识别表意字符,换句话说,每个细分类器本身可以包括一个预分类器和若干细分类器。采用两级以上分类的现有技术的例子可以参考《模式识别》1991年第24卷第8期793-799页,T.Kumamoto、K.Toraichi、T.Horiuchi、K.Yamamoto和H.Yamada的论文“手写汉字字符识别中备选字符的加速选择”(“On Speeding Candidate Selection in Handprinted ChineseCharacter Recognition”)。在极端情况下,整个递增识别器可以由一个分类器树构成,其中的每个分类器又进一步限定可能的候选字符表。
在较佳实施例中,每个细分类器包括两个神经网络:一个时间延迟神经网络(TDNN)310和一个基于图像的神经网络(INN)320。TDNN310最适用于识别部分字符。TDNN是现有技术中公知的,在1989年3月《IEEE声学、声音和信号处理学报》中,Waibel、Hanazawa、Hinton、Shiano和Lang的论文“使用时间延迟神经网络的音素识别”(“PhonemeRecognition using Time-Delay Neural Networks”)对此做了描述。TDNN的结构将在后面作描述。
再参考图10,步骤248将第P个TDNN用于被定标的笔划,来得到一个输出向量,它包含说明笔划表中的字符标识是某一个值的置信度。这个输出向量的长度随P而变化。在当前较佳实施例中,这些长度的范围是从22到538。采用TDNN识别部分表意字符被认为在本发明中具有新颖性。
INN 320最适用于识别完整的字符。INN是一个标准的多层神经网络,它采用了基于图像的特征。INN的结构示于图13,并将参考该图进行描述。步骤250将第P个INN用于被定标的笔划,来得到一个置信度的输出向量,它与从TDNN得到的输出向量类似。INN输出向量与TDNN输出向量具有相同的长度。步骤248和250可以以任意次序执行。
然后步骤252将TDNN和INN的输出向量相加。相加是组合神经网络结果的最简单方法,但本领域的技术人员知道可以采用更复杂的技术,如《神经计算机》1991年第3卷79-87页中Jacobs、Jordan、Nowlan和Hinton的论文“本地专家的适应性混合”(“Adaptive Mixtures of LocalExperts”)所描述的技术。
步骤254随后以递减的次序排序相加的输出向量。相加的输出向量中的位置相应于字符的标识。因此,找出前N个值在相加的输出向量中的位置等于产生了一个长度为N的假定表,在当前较佳实施例中,N等于10。
然后步骤256根据各种规则操作假定表,以便增大假定表中的第一个元素是正确答案的机会。这一后处理过程包括三个步骤,将分别在图16、图17或图18中一一进行描述。随后程序控制转移到图6的步骤128。
预分类器的当前较佳实施例的结构示于图11,该预分类器260是一个TDNN,其中TDNN的第一层262对多个输入重复,如现有技术中公知的那样。在TDNN的现有技术应用中,TDNN第一层262的每个备份相应于语音的一个时间片(参考Waibel等人的论文),或一小段手写体(参考Guyon等人的美国专利5,105468)。在本发明中,第一层262的每个备份相应于一个表意字符的一个完整笔划。第一层262的每个备份被连接到与一个输入笔划相关的预处理器。采用其中第一层的每个备份相应于一个完整笔划的TDNN被认为是具有新颖性的发明。
更详细地说,笔划264-1至264-3的每一个被分别提供给TDNN的预处理器,有两个预处理模块,其输出被提供给第一层262的每个备份。第一模块是一个几何特征(GF)模块266,该GF模块266计算先前笔划的首末点和当前笔划的首末点之间的几何关系。例如,最高的GF模块266计算笔划1(264-1)和笔划2(264-2)之间的关系。GF模块的特定输出被提供给与笔划2相应的第一层262的备份。下面对由GF模块266执行的计算进行描述。
GF模块266在计算中采用下面四个位置:
PB=先前笔划的第一点
PE=先前笔划的最后一点
CB=当前笔划的第一点
CE=当前笔划的最后一点
然后GF模块266计算下面四个向量:
D1=PB-CB;D2=PB-CE;D3=PE-CB;D4=PE-CE
四个向量的每个元素随后被模糊编码,输入变量的模糊编码使神经网络的训练变得更加容易。一个模糊编码将某些范围的原始连续标量变量转换为如图12a所示的变量的一个向量,这个向量的每个成分代表变量的一个子区域。每个向量成分的值是对原始变量和子区域中心之间的匹配的测量。采用模糊成员函数对连续变量进行编码是公知的现有技术,例如在Prentice-Hall公司出版的(1991)Bart Kosko著的“神经网络和模糊系统”(“Neural Networks and Fuzzy Systems”)一书中第27页作了描述。
作为图12a所示的模糊编码的一个例子,如果一个变量要用编码区域〔0,1〕的5个成员函数进行编码,那么5个变量代表与点{0.0,0.25,0.5,0.75,1.0}的接近程度。
原始值0.1(图12a的A点)随后产生0.6,0.4,0,0和0的模糊编码。原始值0.4(图12a的B点)随后产生0,0.2,0.8,0,0的模糊编码。与此类似,原始值0.75(图12a的C点)产生0,0,0,1,0的模糊编码。
位于模糊编码区域之外的原始值与该区域最接近末端的值一样编码,参考图12a的“D”和“E”点可以看出。值-0.2(图12a的D点)变为1,0,0,0,0,而值1.4(图12a的E点)变为0,0,0,0,1。
由上面的描述和参考现有技术,本领域的技术人员显然可以了解如何用软件实现模糊编码。
对GF模块266,二维向量变量D1至D4的每个成分由均匀分布在从-1到1的间隔的八个模糊成员函数进行编码,换句话说,成员函数集中在{-1.0,-0.71,-0.43,-0.14,0.14,0.43,0.71,1.0},从而由GF模块产生了总共64个输出。其它方案和编码区域也是可行的。
第二预处理模块是一个方向特征映象(DFM)268,DFM利用笔划产生一个三维张量,该张量包括笔划在何处保持了一个一定的方向的空间信息。1988年在罗马召开的第九届模式识别国际会议记录汇编《IEEE计算机协会学报》第168至171页Jun Tsukumo和Haruhiko Tanaka的论文“使用非线性标准化和相关方法对手写汉字字符分类”(“Classification of Handprinted Chinese Characters Using Non-linearNormalization and Correlation Methods”)对DFM作了描述,LeCun等人的美国专利5,337,372图2至图6也对DFM作了进一步的描述。在本发明中,在DFM中执行的处理步骤示于图13。
在图11中,每个第一层262是一个标准的神经网络层,在较佳实施例中有80个输出神经。第二层270是一个标准的神经网络层,对总共240个输入,它接收第一层262的所有三个备份的输入。第二层270有32个输出神经,每个对应一组特定的字符标识和一个特定的TDNN和INN。
为了本发明公开的目的,一个标准的神经网络层执行将一个加权矩阵乘以一个输入向量的操作,并将产生的向量施加一个S形非线性处理,得到一个输出向量。在Addison-Wesley公司出版的(1991)由J.Hertz、A.Krogh和R.Palmer所著的标准教科书“神经计算理论导论”(“An Introduction to the Theory of Neural Computation”)第6章中对标准的神经网络层作了全面的描述。
图13的流程图示出了在用于一个笔划的本发明的DFM中执行的步骤。图13中的步骤280对笔划再取样,来提供在笔划点之间具有规则间隔的一个笔划。当笔划被再取样时,采用了在现有的数据点之间的线性插值,这样一种再采样步骤是现有技术中公知的,例如Guyon等人的美国专利5,105,468就给出了这样的例子。线性插值是众所周知的,在许多研究教科书中都作了描述,例如可以参考剑桥大学出版社1992年第二版第114页Press,Vetterling,Teukolsky和Flannery的“C语言中的数值方法”(《Numerical Recipes in C》)。在当前的较佳实施例中,每个笔划样本值之间的距离是0.06。
再采样之后,步骤282将当前点pt初始化为再采样笔划中的第一点。步骤284随后将一个三维张量变量A_ijk初始化为0。DFM的主循环从步骤286开始,这里x变量被装入当前点pt的x位置,在步骤288将y变量装入当前点pt的y位置。然后步骤290确定该笔划在当前点pt的方向θ。确定当前点的方向是现有技术中公知的,在Guyon的美国专利5,105,468的图7中作了描述。
然后步骤292产生x位置、y位置和θ方向的模糊编码,并将该编码分别放在向量变量X_i、Y_j和θ_k。根据当前的较佳实施例,位置x和y被编码为在从0到1的间隔均匀分布的5个成员函数,方向θ被编码为相应于八个主要方向,即0、45、90、135、180、225、270和315度的八个成员函数,这八个成员函数在图12b中以F_0、F_45、F_90、F_135、F_180、F_225、F_270和F_315示出。处于0度(F_0)的的成员函数是环绕式的,因此它与315度(F_315)的成员函数相邻,如图12b所示。成员函数的环绕使θ的模糊编码成为一个没有间断的平滑函数。
然后步骤294用X_i、Y_j和θ_k的外积构成一个三维张量,然后将该张量加到变量A_ijk上。步骤296随后通过确定当前点pt是否是再采样笔划的最后点来结束循环,如果是,那么步骤298将A_ijk作为DFM的结果,否则步骤300将当前点pt设置为笔划的下一点。
在较佳实施例中,DFM 268的三维张量中的所有200个输出值都被当做一个有200个元素的向量,并提供给第一层262的一个备份。
显然,本领域的技术人员知道,在不脱离本发明精神的前提下,可以改变DFM的参数,这种参数可以包括用于产生DFM的角分辨率、空间分辨率和确切的模糊成员函数。
如果不到三个笔划被提供给预分类器260,那么仍然希望一个灵敏的输出,因此,较佳实施例用信号表示缺少一个给第一层的输入,做法是不调用具有一个或多个失去的输入笔划的任何GF或DFM,相反,将一个具有正确长度的向量填上0并提供给输入层262的相应备份。对相应于第一笔划的第一层262的备份来说,从没有一个先前的笔划被提供给GF模块266,因此,GF模块从不被调用,填上0的一个向量总是被提供给第一层262的第一备份。
预分类器260的第一层262和第二层270采用J.Hertz、A.Krogh和R.Palmer的标准课本第六章中描述的标准的向后传播算法来训练。如现有技术中训练TDNN所公知的那样,只有一组存储的第一层加权,它由第一层的所有三个备份提供的梯度(gradrent)进行更新。对TDNN的训练在Waibel等人的论文中作了描述。
预分类器260的训练集包括递增识别器应该识别的每个字符的头三个笔划的许多样值。采用标准的联机向后传播,每个样值被提供给预分类器的输入,一个需要的输出向量被提供给预分类器的输出,并且第一层262和第二层270的权被更新。与输入例子所属的组相应的输出被训练为高,所有其它输出被训练为低。如果字符的总笔划小于三,整个字符的一个采样被加到该训练集。
训练预分类器260需要将字符指派给要求的小组。将5401个字符指派给较佳实施例的32个预分类器组示于下面的附录A。每个组有一个标记,并且示出了属于该组的字符和该组中的字符数。附录A中的分配不是一个自动处理过程,具有类似的前三个笔划的字符被手工分配到同一小组。对一个不同的字符集或语言,这一手工分组程序必须在可以训练预分类器之前再次执行。这一手工分组程序对本领域的技术人员而言是显而易见的。
采用具有这些特征集的一个两层TDNN是执行预分类的一个结构,这一点对本领域的技术人员是显而易见的。TDNN的其它变化,如具有两层以上的一个网络或具有不同特征集的TDNN也可以构成有效的预分类器。总而言之,预分类器可以由本领域的技术人员用任何标准的统计模式分类器构成,如分类和回归树、神经网络、径向基函数(radialbasis function)或专家组合。预分类器也可以采用笔划匹配算法来构成。本发明不依赖于特定的识别技术,预分类器本身可以由一个以上的模块组成,包括多个特征检测和多个识别器子模块。预分类器也可以在递增识别器次序调用之间保持状态,以便使总的计算量最小。
图14的方框图示出了在本发明中作为细分类器的TDNN 310的结构。除了TDNN 310接收三个以上的笔划外,TDNN 310的结构非常相似于预分类器260。根据本发明的一个当前较佳实施例,TDNN 310接受高达25个笔划。DFM 268和GF模块266与图11的预分类器260中的相同。与在预分类器情况下相同,当没有足够的笔划提供给一个特定的DFM或GF时,那个特定的预分类器的输出是零。在较佳实施例中,TDNN 310包括第一层312的25个备份,该第一层是一个标准的神经网络层。第一层312与预分类器的第一层262具有不同的权。每个第一层312具有20个输出神经。第二层314是一个标准的神经网络层,它接收来自第一层的所有25个备份的输入,总计有500个输入。第P个TDNN 310的第二层中的输出数等于第P个细分类器组中的字符标识数。32个不同的TDNN的每一种情况具有不同的第一和第二层权值。
对TDNN 310的训练与对预分类器260的训练有些不同。根据较佳实施例,对细分类器组中的每个字符,训练组包括笔划子集,其笔划数从三到字符总笔划数。这些训练子集从第一笔开始,并包括按训练对象书写的次序排列的笔划。如果一个字符具有不到三个笔划,那么整个字符的一个备份被加到训练集。另外,每个整体字符的一个样值被两次额外加到训练集,以便提高正确识别整体字符的可能性。
例如,如果一个字符采样具有5个笔划,那么5个笔划子集被加到该训练集:第一至三笔、第一至四笔和第一至五笔,重复三次。每个笔划子集被标记它所属的字符的标识,相应于该标识的输出被训练为高,所有其它输出被训练为低。因此,TDNN 310被训练为识别在细分类器组中具有三个或三个以上字符笔划的所有可能的自然次序子集。
一旦预分类器组的指派完成并且预分类器260的训练结束,将字符指派给细分类器组是一个自动过程,整体字符集的训练集中的每个采样的前三个笔划被产生,同样,如果在字符采样中不足三个笔划,就采用整个字符。根据产生的特定字符集中的每个采样评估预分类器260,并记录最大的输出标识M。对每个字符标识,如果值M出现次数多于一个阈值,那么该字符标识被指派给第M个细分类器组。在较佳实施例中,对包含每个字符的40个采样的一个训练集,该阈值是一,这样,一个字符标识可以指派给一个以上的细分类器。字符标识被指派的组是当具有该标识的字符出现时预分类器会选择的组,这样,通过用一个以上的细分类器识别字符,预分类器误差可以得到补偿。细分类器指派阈值不是零,从而可以忽视在训练集中由于书写潦草所带来的影响。
一旦字符的标识在第M个细分类器组中被确定,就可以采用上面描述的对第M个细分类器组的标准的向后传播和整体训练集来训练第M个TDNN 310。
正如在预分类器情况下那样,采用具有DFM和GF特征的一个两层TDNN是执行细分类的一个结构,TDNN的其它变化,如具有两层以上的一个网络或具有不同特征集的一个TDNN也可以构成有效的细分类器。总而言之,细分类器可以由本领域的技术人员用任何数量的统计模式分类器构成,如分类和回归树、神经网络、径向基函数或专家组合。细分类器也可以采用笔划匹配算法来构成。本发明不依赖于特定的识别技术。TDNN也可以在递增识别器次序调用之间保持状态,以便使总的计算量最小。TDNN的其它速度最优化,如采用稀疏矩阵向量乘法,对本领域的技术人员是显而易见的。
图15示出了INN 320的结构,它最适合识别完整的字符。INN也帮助识别不按自然笔划书写的字符和草写体字符。在定标的笔划表中的所有笔划被提供给INN。有两个为INN计算的特征集,首先,计算DFM322,该DFM322与图11的DFM268具有不同的参数,DFM322产生一个5×8×8张量,采用五个成员函数对方向编码:F_45、F_0、F_315、F_270和F_225,其方向在这些成员函数之外的很少几个笔划点被忽略,以减小INN 320的大小。8×8分辨率仍然覆盖[0-1]×[0-1]矩形。因为提供了所有的笔划,而不只是一个笔划,因此增大DFM 322的空间分辨率是必须的。所有笔划DFM 322的输出只是图13中用于每个单独的输入笔划的步骤的输出的和。DFM输出中的所有320个象素被作为一个单一向量提供给标准的神经网络324。
EPM预处理模块326提供关于笔划末点位置的信息给神经网络324。对每个笔划的第一点和最后一点,EPM 326分别产生这些点的X和Y位置的模糊编码:X_i、Y_i。根据当前的较佳实施例,这些模糊编码的每一个由均匀分布在从0.0至1.0的间隔的五个成员函数产生。下一步,EPM 326用X模糊编码和Y模糊编码的外积为每个第一点和最后一点构成一个图像B_ij:
Bij=Xi*Yj
然后,EPM 326将所有第一点和最后一点的B_ij相加,并将相加的值传送到神经网络324。在较佳实施例中,有25个被当做一个向量处理的输出值。
根据本发明的一个当前较佳实施例,标准神经网络324包括两个标准的神经网络层,具有375个输入、200个隐蔽单元和与相应的TDNN 310具有相同数目的输出。该INN 320由标准的向后传播训练。在第M个INN的训练集中的采样与在第M个TDNN的训练集中的采样相同。对包含一个字符的所有笔划的笔划子集,响应于该字符标识的输出被训练为高,而所有其它输出被训练为低。对包含部分字符的所有其它笔划子集,所有输出被训练为断开。因此,INN被训练为只响应完整的字符,而当字符不完整时不加上一个有效的输出信号。
与TDNN类似,32个不同的INN的每种情况在神经网络324中具有不同的权。标准的神经网络324可以以现有技术中公知的方式采用稀疏矩阵向量乘法来达到最优化。
图10的步骤256是对假定表进行后处理的一个步骤。在较佳实施例中,有三个构成步骤256的后处理步骤,如图16所示,当然本领域的技术人员还可以想到其它的可能性。这些后处理步骤包括步骤330的假定删除算法、步骤332的假定插入算法和步骤334的假定重排算法。
图17的流程图示出了假定删除算法330的较佳实施例中的步骤。假定删除算法的作用是通过与到目前为止写出的部分字符的笔划数相比删除笔划数太少的假定,例如,如果用户写了8个笔划,那么递增识别器可以很安全地删去肯定只有7个或少于7个笔划的假定。假定删除算法需要一个数据阵列,它是假定可能具有的最大笔划数,这个阵列是凭经验从训练表中推导出来的,通过对一个特定字符标识的所有采样找出最大笔划数,来推导出阵列中的每个元素。显然,对本领域的技术人员来说,假定的删除也可以采用其它标准。
在图17中,图16的步骤330从步骤340开始,这时将计数器变量i设定为假定数N,在较佳实施例中是20,然后控制进行到步骤342,检查计数器变量是否仍然大于0,如果不是,那么所有假定都已经处理完成,控制可以进行到图16步骤332的假定插入算法,后者将在图18作详细的描述。
步骤344确定M,即第i个假定的标识最大笔划数,然后步骤346检查变量M是否小于变量numStrokes,后者是用户在当前部分字符中写出的总笔划数。如果numStrokes大于M,那么步骤348从假定表删去第i个假定。在任何情况下,控制都进行到步骤350,对计数器变量i递减,以便考虑下一个假定。
对本领域的技术人员来说,显然有许多用软件实现假定删除算法的不同方式。图17的算法是示例性的,本领域的技术人员知道本发明并不局限于以上面公开的方式实现假定删除算法的实施例。
图16的假定插入算法332详细示于图18的流程图。假定插入算法被用来插入是假定表中其它假定的严格子集的假定,许多表意字符是彼此的子集,也就是说,用户可以通过写出一定数量的笔划来构成一个字符,然后通过加上更多的笔划来构成一个不同的字符。如果用户写出的一个字符是另一个字符的子集,那么递增识别器可以产生包含更多复杂字符而不是简单的子集字符的一个假定表,产生这种情况的原因是因为当子集字符被呈现给递增识别器时,许多复杂字符与简单的子集字符具有类似的置信度。当假定表的长度不足以包含子集字符时,该子集字符被舍去。
重要的是,因为用户没有其它方式输入子集字符,因此当子集字符的所有笔划被输入系统时,递增识别器突出地显示该子集字符。因此,假定插入算法在检测到包含该子集的许多假定时,试图将该子集字符作为第一假定插入。
假定插入算法需要一个以字符标识作为索引的表,表中的每个条目是作为被索引的字符的子集的一列字符。
图18的详细的假定插入算法从步骤360开始,其中变量s包括从子集表中取出的第一(即最好的)假定的子集表列,步骤362确定该表列的长度并将其存储到计数器变量i,然后步骤364确定计数器变量是否大于0,如果不是,那么假定插入算法结束,控制可以进行到假定重排算法(图16的步骤334)。
如果计数值大于0,那么在步骤366审查表列中的第i个条目,确定s[i]是否是前5个假定的至少3个的一个子集,这个规则是根据经验确定的,本领域的技术人员也可以建立其他类似的规则。如果s[i]是一个通用的子集,那么控制进行到步骤368,这时变量M被设置为字符s[i]的最大笔划数。
步骤370确定作为部分字符输入的当前笔划数是否大于M,如果不是,那么在步骤372将s[i]加到假定表的第一个位置,如果作为部分字符输入的当前笔划数大于M,或者步骤366的判定结果是s[i]不是前5个假定的至少3个的一个子集,那么该子集不应该被显示出来,并在步骤374递减变量i,然后程序控制返回步骤364,再确定是否i>0。
对本领域的技术人员来说,显然有许多用软件实现假定插入算法的不同方式。图18的算法是示例性的,本领域的技术人员知道本发明并不局限于以上面公开的方式实现假定插入算法的实施例。
假定重排算法(图16的步骤334)被详细地示于图19的流程图中。该假定重排算法的作用与假定插入算法类似,即如果在假定表中找到了一个子集字符,就将其提前。然而,由于对假定表重新排序的步骤不如插入一个假定那么严格,因此与插入一个假定相比,重排算法在将一个假定提前时要求的根据较少。
图16的假定重排算法从图19的步骤380开始,这时将计数器变量i设置为1,该计数器变量i将引用当前正被考虑的假定。在较佳实施例中,前10个假定可能会被重新排序,当然也可以考虑其它数目的假定重排。
然后步骤382确定计数器变量i是否小于或等于10,如果不是,那么假定重排算法完成,控制将返回到图6的步骤128。否则,控制将进行到步骤384,这时将变量s设置为第i个假定的子集列表。步骤386将计数器变量j设置为变量s的列表长度。计数器变量j将对列表s进行重复。步骤388检查计数器变量j是否大于零,如果不是,那么对第i个假定的检查结束,控制进行到步骤390,这时计数器变量i递增,然后控制返回步骤382。
如果计数器变量j大于零,那么步骤392检查列表s的第j个元素(s[j])是否出现在假定表中,如果没有,那么它不能重排,控制进行到步骤394,这时j被设置为j-1。否则,步骤396将变量P设置为假定表上的位置s[j]。然后步骤398通过确定变量p是否大于变量i来检查子集字符s[j]是否比目前检查的假定具有较低的置信度。
步骤398也确定子集字符s[j]的置信值是否高到足以使其出现在前十个假定中(步骤398中的数字10可以改变,这对本领域的技术人员是显而易见的)。如果步骤398的两个逻辑比较都是假的,那么子集字符s[j]不应该被提前,控制进行到步骤394。否则,步骤400从假定表删去s[j],而步骤402将s[j]插入假定表的位置i,该位置正好在当前假定的上面。步骤402保证一个可能的子集字符出现在包含该子集字符的一个更复杂的字符前面。
步骤404将计数器变量i递增1,以对一个新的假定被插在表中当前假定之前的情况进行补偿,然后控制进行到步骤394,这时计数器变量j被递减,以便检查假定i的下一个子集。
对本领域的技术人员来说,显然有许多用软件实现假定重排算法的不同方式。图19的算法是示例性的,本领域的技术人员知道本发明并不局限于以上面公开的方式实现假定重排算法的实施例。
对本领域的技术人员来说,显然可以采用其它标准来重排假定表,例如,如果两个或多个假定具有类似的置信级别,它们可以根据笔划数或字符出现的频率来重排。
本领域的技术人员要认识到,尽管上面对本发明的实施例和应用作了示意和描述,但除此之外的许多改进,只要不脱离本发明的概念,都是可行的,因此,除了权利要求书之外,本发明不受任何限定。
附录A
字符分组表(预分类)
竹部:年生等無特第管每氣先物午制造節知告算失製竹策短籍籌舞缺答簡範筆簽牛笑築智朱符靠怎敏箱繁籲贊籃迄氛籠篇筋牧卸籤牠罐牲氧筒箭犧簿矮笨矯篩缸矢竿矩篤
乞簾迭籬笛筍筏笙篷箔乍氫牴簇毓簧筐簷箏牡氟篆籮氮筵缽掣筠氨筷竺筑箕箇鵠箴籐籟簍纂犢箝箋簸笞甥笠箸犒雉簪簫簣竽迤笆篡罈氤氳牯筮氦篙簑牝犄籀箠簌簞氖筧篁篾缶篌篦籥笮氬箄篛篠籣片牌版牒牘牖台能參態允熊牟矣怠畚皴迨弁上處卡劇慮戲督虎虧膚獻虛盧虞叔虐遽虜虔彪
將裝獎狀牆壯妝漿醬戕槳奘209
皿部:的所自向反身師樂戶盤白房船息良永顧追航般邊血邀返射烏啟歸島朗迫奧泉遍郎皇鳥艘鬼艦鼻肩雇臭艇卑躲舟扁肇殷帥魁艙魅扇躺皂魄粵皓舶梟皋躬軀卹舫遑舵翩舢舨囪戾帛皚舷扉鴕鼾艋裊磐阜臬翱扈槃皎慇皈皖鴃魍魑魎劓解負象角召魚觸鮮魯逸龜勉鮑鯉邵兔鰻蟹鱗穌魷鮭鯨迢鮪鯛奐鱷鳝觔燄斛鰭鮫鯽鱸邂鰥觴鰍鯧鰾鳃鯖鰱毚鯀觼鱖與學近舉興質段兒覺印兵邱
欣斤毀氏譽后斥鼠昏岳盾輿丘遁舅邸叟臼
乒乓爨盥逅鼬鼴黌氐卮臾歟鼯鱟妻夷皮頗皰198
尸部:民局展屬居屋層屆尼避屏尺尾遲慰屍刷壁屈尿履屢臂殿屠譬璧屑屁臀尉遐屜屎犀劈咫辟擘熨尸屐羼孱屘屨褽襞屝愍檗巴眉丑已費選強張改引己彈弱彌弘忌弦疆粥弔弗弓弭弧弛弼巽巳彊鶸81
衤部:於方示文產被社視放施福遊補神裡初旅禮族裕祥旗祝祕祖複祇禍袖旋褲祈襯衫祿禪裸禱裙祺袍襪禧禎祉袱襟祠褐祐褪紊袂祀祁袒吝褚褶裨褸旌褥襤褊襖襬褫鵡卞褂褓襠衽斕祚祗旎旖褡祆禳膂衹裯褕86
宀部:可要家事定電車兩案東實安再頭或平更專官票西空連整賽客較完轉配需額容察速擊究宜輕害遭爾字審室章雲副富寶密突融歌零守麗宗露束惠它輛憲輪寬輸賴雪暫輔寫哥賓宅雷竊宏震宮遷穿雨靈軟刺塞覆寧栗寄寒豆醒寮宵喪窗宋酸辖繫宿轟丙轎霸輯逼醉宴割霧宇窮寓酬甫曹牢甦敷蜜霖軌釀囊酌霞寂窩飄賈霍寵寡霜惑竄宰醜宛窘軸窄衷霄甄斬酷醞軋軒醇雯穴逗窺輒醋寇霹轍靂寞柬酥寅酵棘輾宙寢酪窟寥窒棗竅迺寨噩輻禹霓醮霉吏粟豁寰霑霆竇刺酣醃窯璽轅霾窖輟霰窪宦醣邇霏酗豉輓窕寐雹窈霎剽騫穹醺敕軻軼帘窠豌醱輊瓢窿邐霪宥邃霽覃軾酊軔霤轔靄酉剜軛塹酩輜輞宸輥翮醴雩酴輳鏨鬲軏寤搴酈醱通勇恿甬勁頸逕亞惡堊雅牙邪蠶鴉279
门部:開司間關問門聞閒闢閉閣閱闆闖閃闊閩悶閻閥刁闕閘闔閔閑闌闡閨閡閂閤閏閭闈閎闋闐了子承孩孫疏孔孟孤遜孜丞孺孑孓建即畫書那退劃習群盡尋既逮君函肅羽翠暨翼亟尹郡翌戮晝戳翟帚聿羿艮85
八部:會分八金合全今入希餘銀鎮銷令命領食錢館殺念錄創鐵拿針錯愈飯鐘途鋼飾飲錦乏鑑含余銘鎖鏡釣鍾逾舍欽盒
頒鍵銅敘餅鉅鍋飽鈴錫舒貧鑽倉鈔劍飼銳盆
貪鍊鈞鑼鋁斜釘錶蝕銓
俞鍰鎊銲鴿鋅鑄鋪餓飢鍚禽鏈鋸剎鑰鍍鏢飭餌餃鈣餵餚銬鍛侖鑲忿鏘餉錨兮餡鏗鈍飪鈕覦斂鑣錐鎔餞鉗鉤餾錚鎗饑釧鋤鍥鎘鎚岔鐮釗鉑鉚飴銖鎳錘翎餒饞鉀鎢錡鎰鈉鈷鏤鈾錠鎂肴釵銑鏟錳鐸釦饅鐳錮鐲翕餽鐺鉉鈿鉻鑠鈑弒頷鍬鏽銻鎬鉋劊錕鐫鈐餿鉸銨錙餛饉銼鐃飩鈸鋰鏑鏜鋇鴿鍔鏝鑤鑷鈹頜鏃鑪郃釙釭釩鈇鈽鉍鉼歙鏍公企介翁頌卻父坐欲谷爸爺慾傘斧爹釜俎爻239
火部:業對也此小當情水性少收營黨常省些光曾歲火步止榮勞快順尚州燈幣堂懷掌輝賞怕爆頻燒肯忙炸慢恢煙齡怪炮川燃慎慣爐炎惜耀尖惟慘炒煩煌怡恆兌憶懂煉齒憤憾歧柴嘗削炳弊懼烤劣爛悅恨叢紫卜愉煥恰燦惱怖肖煤慌
悔烯悄悟烘鶯雀斃螢憐惶燥燭瑩鑿炫焜齣愧悼悍熄恤懶灼敞恃熔燬焰怯忱雌熾惕懈煜恍燉灶煽瞥恬慷烊敝烽逍炬愕炊悸焊棠愣慚懊爍焙恫悽貲齦悖惋惺燼憫憚惰慄儈燻懵烙忖懾炯悌悻悵愾縈懺鱉悚惚裳燐訾慟憬炤悴惦愜愷憧懦齟惻惴愴燎燴齬怔怵犖憔炕彆慵惘惇熒煖慍惆燜燮顰燧恪忪快怩愒懍齲忸愎氅燠煬煨愀齪齜齷迆怛憮怫塋煆鄴燸巡災巢剿邋邕勦251
女部:如好女她嫌始飛姓婦婚媽努妨媒姐妹娜妙妳娘戈姑怒娟姻娛姆姊婉奶媳娃妮婷妖嬌姦嫁姚嫩划媛姬姨娥媚婿奴盞妓恕奸妃嫂娼嬉絮帑姍妞姪弩嫖嫻嫉孀媲弋妒嫣娣妍姥婢妊娓娠嬋娩嫡嬸孃嬝嫗鳶嫵嫦姣嬈駑嬪妣媾妯娌娉婀嫘嬤妁好姘媼姒姅婊媧母貫毋110
艹部:其警萬期華共基觀著黄花廿斯難帶世英蘭若落蘇卅藝甚歡藥草蔡董葉某菜舊苦勒蓮莊苗散勤芳幕薪藉藏驚革蕭茶莫巷蓋茲菲夢藍荷茂勸蒙艾甘鞋敬勘菸葛芬范燕募莉萊薄蔣萍欺邁芝荒蓄蒐菌墓蒂薩戡蔬葬葡苑蒸蕉蘆蕩萎蒼菁擎鞭惹艱藤莎芭恭蓬菊蓉薦昔萄薛慕蕾靶蔗蘿蒜
藩蔓莓芽茫蕙茄苛茅蔭芒苯蔔芙蔚蘋苔蘊歎蒞荐斟蔽薑薇茱莒茹藻暮薯薰萌芋茵芷菱苟靴棻荆蒲葵苞菩芸荃茗芹莞藐芥孽蓓茨莖萱鞍薔萃蔑莽蕪蕃鞠葫荼茁茸莘荔莠鵲葆摹葦蕊蓀蔥繭藹茉葷藕躉驀芯玆蓆鄞蘸莢菅荀莆蒿覲鞦藓韆菠蓊藺荻菰萵葩蘑芍苒萼葭韁苣茴莧鞘夔韃荏菽萸蓑蕨蕞鞣藪芟苧茆荸萋菴靼覃薺蘗鸛苜菔鞅蓿薜藷廾羋芣芰芾萇菟蔆甍檠薨薊薹韉協博280
一部:不在有大長成來而五百區面原雄醫太研否感馬布威友石確破壓願存死驗歐監臨左尤右緊盛歷逐匯奇堅套駐碼駛勵髮夏硬豬賢厚丁麥奪鬆巨覽礙曆鹽憂騎耐砂麵礦丈奮砲礎夾碰灰騙奔奈磁碎厲匪碩犬磯毆駁磚驅馳碑臥驟臣礁碟雁辱厭匿砍肆盃匹奎碗頁騷郁唇磅腎磋吾碌爽碳辰巫戚厝砸咸熙耍駝尬尷匠豎駱歪硫髦硝矽驕奢遼鬚頰駭匣鬍丕駿匾頤鑒磺磷厄匱盔馴魘磊戊匡砌臧驛驢奄脣駒泵厥硯馭髻磴礫愿驥碉磕鬢匝戌戍騁砥碾鷗硼蹙駢驍騾砰戛硃砧砷靦甭嗇砭駟甌礪贗驃驪兀叵碘馱鬃麴斫髭翳饜仄夸蜃奩麩豕髯碣慼鵪砟碓靨鬣劻砝匏駙尢虺砠敔硎瓠郾硿髡劂慝踫豭磧騵列烈殘歹殊裂殖殉殯殃殆殲歿殮殤餮政下正焉丐聯取職聽聚聖耳聘耶聰聊耿娶恥聆耽聶聒鄹瓦互亙293
扌部:為指提投拉持接求據打推把採技排擔括切抗批換找救損擴捕揚播攝拍控搶捐揮攤擬折招振措抵拆扣按授抽擇拒擁探操援握撤掉拓擾捷頂凝押抱拖撥搭掛掃挑搜撞扮拔抓掩搬挫擠哲揭摇扶攜撐托插摸挖抬拘捲撲搞攔撫擦扯抨抑描寸拾抛挺扭擅擋拼捨摧捉掀撒攬挽拚撈摘挾抹披擲誓撿逝掘擱擄挨捧摔摺挪抄扎擒掙掏撼拱扒撓扳掠攏搗撰撕拷揣抖揆拙攪拌搏撮拐拮摻拭搓揉拂抉撬扼抒撇拯拈擂攘摒扔捺拇揪揹捏搽捆撩捍搪搔揀擢扛撻揩擷裘揖揍攫捻撙捱拗接掄拎擰攙捩撚捎拴拄抿掬摑捶撢捂捌搆擻掖扪蜇搾摭攆撳抆拽撾扑挂擭231
亠部:市高部元新動六立重府意應就商交辦度廠率育廣效麼店底親席龍病音離亦適站夜童武慶座庭充廳康彰京競療衣章刻郭庫竟廢棄序亡雜旁廖享麻痛症齊敦亮熟端廟敵鹿顏床毫摩唐辛劑帝衰忘裔豪龐辯氓疾癌磨牽襲廉塵彥廚廈廊疲麟敲勳魔郊腐哀痕疫畜毅亭廁癮鷹盲韻瘦玄庚厢辨庸亨瘋疼膏辣裹庇遮竭頑烹疹靖妄齋癒卒瘤癱襄壟剖奕瘓癡云廬癢靡疵瘡痺壅畝竣龔疤孰癩廝瓣顫癥褒膺亥庶痊雍瘍稟廓韶痰瘟麒
甕啻妾痘氈亢
剷痍癖辮疚瘀瘠癬痢痞疝弈瘴痣痴痷
瘁疸痙癟疱痲塾糜
瘐瘧麝劾疽痂袞麂疙痔痱麾瘸疳瘋
瘩癆鶉贛書痒疥疣
鷓兗毫痿痳
瘢癘瓢廄瘉
帟疢鄗鄘韹務預予蛋柔矛豫矜胥鬻疋266
王部:理現王球環班玉瑞玩珊珠珍玲琴碧弄玻瑜瓊琳璃瑪琪斑玫瑟瑛琛琦瑰瑤璋珮瑕琉瑣璣琢瑯琨璞琅瑾瑚玟玷璿琵琶瓏璨珀璀琍璜璦玥琺琥璟玨瑙玖瓔珞玳瑁琿琊璘珪琯頊瑭璩瓖瓚鬧鬥鬨式戒晉戎奭85
阝(在左)部:院陳隊除陸際防限阿隆隨附降險階障陽陣阻隔陷隱陪陰陶陵隧墜阮隙陋陀陌墮陞阪陡隅阱隘隍陝胤隴隕陲隄隋陛阡陘阬陂陴陬55
力部:加力架刀駕忍賀刀迦袈又桑叉蚤發登鄧凳癸心必21
人部:他作個但進位們化使價保代任仍件信伊何供備做依集條傳低住億貨份停便售例修係你值雙傷僅優假休像估健佳付似仁偵延促候什伯倒佔儘倫債佈貸償借俗儀俊偏僑偷侵仔佛併隻傑倍袋傾您儲偉側偶仲伸伍俱瓜仙伴焦伏偽佩傅卿仰遞俘僱堡侯佐仿催俄仇爬僵伐仞仗僚倆儒偕俠傍仕俟悠倡賃俾佑伶倘侍俏傲黛岱伙倩侶俐兜傻伺倪僻倚儈攸倖傭儂佣僕倦俸佯儉俯爪佬仟侃侷侮儼儷傢傀佰儡僥佇佃伉侈雋伽伕倣憊俑偌仆倏偎佚佗偃佻侏俚倭僮佞儕仃倌倔僭儐侑俺倨傖傚僖儻佾倥儈仳佝倀脩儔伋佺俳傯僇絛僩隹偺偯偭僎儅鯈儳儸劉留貿迎卵卯孵遛238
土部:地者三天工表報場都未起去教達項士規增老勢形走款均土考春責型聲執賣夫境功熱超青刑嘉遠城泰素攻喜志越恐吉毒垃圾趕鼓壞趣赴趨幸靜幫郝域封培坦干巧敢替壽坡末塊劫彭址趙埔埋奏坪井填孝塔堪奉坤壇趁堆赤壢寺坑貢埃埠堤臺墊赫殼堵秦圳卉馨煮袁坊塭釐埤塌趟穀墳壤赦熬坎垮圭鞏垢耆塢坍塘蠢脊墩壩卦壹堯翹贅懿汞壺墟邢摯壕塚堰敖罄垣坷熹遨垠頡瞽赧蠹圻鼇賁燾赳埂壎轂磬舂螫坩耄堉墀赭靛坼堝達墦聱圩堠耋犛輦壙鼙圬圯坏垓盍勣塒塽遘鼕一二到至南克支直致真違故古朝索胡幹裁韓乾載截戴栽勃辜翰韋翅斡臻哉兢剋韌韜矗戟孛鴣榦手看毛邦拜郵耗耕垂秉毯耘丰毽耦毬耨耙耒耜七比疑皆頃穎旨顛匕肄餐占桌貞卓鹹鹼睿鹵壑乩282
彳部:行後得從往德很術須復待衛街徵律徒衝徐微衡循徑役彼徹衍征銜懲禦彷彿御徠徊徘徽聳衙黴徙徨徇徬慫衢徉徜愆49
山部:出山豐岸峰乙凱崇峽兇嶺崙崗幽豈嶼崔凶岩崩崎崑崖炭嶄艷峻峨峙嵌岌崁祟峭崛巖覬嵐嶽嵩屹岑嶇崧巍巅岐崴岷峒峪嶸岫剴巉崢耑峴蚩嵯崆顓崤嶝嶔豳66
日部:是國時日因由四用月過内
同目最明昨點股則軍體數果運回影還題量見眾農界團服財具且助易園男里顯買購景晚早照星圖週申周勝盟署置眼腦黑罪幅羅圍田異晨思困販甲肉野朋略腳遇暴曲圓脫敗旦典映贈罰固膠畢賭剛冠骨貼帳昌瞭昇貝丹累臉曼胞暗恩圈肥賠冒默夥睡賺罷旺暖盼鴨迪腿昭胎冊雕曉迴暢騰腹壘胸膽賜嬰鼎贓懸删岡膜鵬脂邏墨腰脈臟腸罵昆豔晶顆賦贼肚帽肌脆贖睛肝胃胖矚腔冤罹晴脹昂罕畏賄膨眠歇肢髒睹鶴腫晤瞻貶疊罩遏晃曝匙巾腺肺髓暑帆睦臘暇愚膝膩畔脾曠幢帕曬肪睜瞧畸旱囚睞肘腥貯腕暉瞎瞄昧膀冥睪墅瞞剔晰賤賬瞬幟暈毗羈昱迥曜脖盯瞪罔冕帖胚晏囤皿圃貽腱豚膛疇甩曙黯骼曰冉膳膿眺賑矇滕臆晒眨骸膾黜婁骰囿睫賒肋眩眶晦曳胭腮睽帷幌謄臍曦肛喧曖腋蜀睬胰暱黔脯煦膊胳賂瞌晌瞰黠幀腑鸚骯瞇瞳瞼黝罌彤眸賸昕罟曇昊晾遢瞠朦胝圄胼腴暹髏胱瞑骷贍彫睨臃朧盹胛胯睢幡
禺胴腆帼瞿囝肱晁晷幔暝曄黷囫曷冑腓睏睥膈冪鴆賻胃眇朕脤幃臚矓冢圉勗畦賅幛暸瞟臏顥昀肫畎畋腌臢髑刖甽杲昤晅晞脰暘暍遝膘歜髁曩髖418
口部:中員路品戰單只口號別另雖吳器嚴足央吸吃味史跌唱呼叫貴忠患呈遺跳跟跑唯距嚇呢嗎噸蹄喝兄遣呂哈躍串蜂蟲鳴吧喊螺啡踏吊嘴噴跨吹蝦蹈吐哭蹟咖蹤嘆喚踴噪吵呎蛇凸嚐啦啊咬哪呆吋喉踐呀獸哩唸喘嘛啤踢喻蝶虹逞吻啞吟哄哨嗜蛤跪踩蠟蠅趾咽蟬嚼凹喧蠔蚵蝴囂蚊喇喋鵑唔喀叭嘔嘲呵冗咳啼囑囉盎蹺躁嚷叮喃咕唆吼蹄噓嘯螂哇蜢踵蟻嗣嘟咀哼蛙嗅跆哦蟑蹊蹲勛叩嗽嘩蝸喔咐哮唾鄙嚥咋嗆吱咱咪咒嗚嘖邑蚌噹顎吶嘻鴦蛛嗓噱吭跋躋呱嗯嘿咚蹦唉喫嗶蜕螃螞哺噬嚨蛀蛟嚕啃噎踞咄喳蛾嘶蹂蹶躪叨叱趴喲嘀蝙饕呻咆咯唬踝嚎蟀吠蝠蟋吆唳鷺吩嗤嘎蜿嚀蹴哽跚嘰蹣喟嗦嗡跛嘮噤躇啄嘍蠕蠣虫咧哎啜喂喙唧跤嘈蜘蹋蟠躊吮蛹蜓踹螳躡啣蚓啾蜻蜥蟾咻唏啪啖蚯嗨鄂戢蜴蜷嘹蝗蠍蠱吒盅跎嗷踟噢嚅蟒囁听唁啕嗑蜆蹉蟯躂吁咦蚜嗟蜊跼躓囈呃呷噯嚏蟆囌叼叻咩咿唷蚶蚱蛉蛭蛔蛐蜈螟踱螻蹬哂蚪郢蝌蟈躅蚣蛆嗉跥蜩噗踡噫啁喱蛄趺蛞嗥跦蝓噙噥噶蹼囀躑兕呸呶虻啗嗾嘐蹕嚶383
丿部:人受爭愛彩乎亂頓釋翻悉雞番辭妥屯乳貌貓采墾覓懇爵舜豹孚貂奚釉釆刈豺邈舀谿爰貍貉鄱貊色急危脅詹剝煞彙彝蠡勰多外名各然久夠冬逢怨夕祭遙咎炙灸鴛舛桀鷂飧夤雒75
纟部:經總組統鄉結約線給續級響幾系維紅斷絕紀繼終紛續練納織網編細紙締綜縮繳紐緝絲緩純絡綠紡紹幼緒糾纖緣縱戀綱繞綁綽繪緻縫幻紋纏繩紗繡綿纜緯緬綢綵絨紳蠻絀綑緘絞
繆繕絹綸縛嚮緞綴綻綺繽繃紉絆饗繹虱絃鑾鸞縷畿紜縝縐么紕絢孿纓孿綾繚紼綏纔紂綰縹轡紇紆綬緲縞縊縴絳緇緙縉鷥緹縑縲繅繒糸紲紱絰綞繈縵縿縯繙144
米部:前美韭尊道羲这料首券牛益精颊善餐判差普鄭塑弟米迷糖鄰瓶兼尊粉羊遂慈拳剪逆卷遵粗眷糕糧叛歉糊姜粒翔羞遴糟粹煎奠糞羹羨糯糙剃孳进猷籽朔丫恙并粽酋羔糰羚敉羶羲糠羌豢粕羯糢粳糝84
讠(言)部:這說主記議計設調該認證望許請訊話變言論讓護談討訂評訪課訴試訓語識講謝詢讀託誤誠詞諾診誰詳謂謀誼諸詩誌贏誕諮譯詐讚註謎誘謹彎諧訟譜諒謠謊譚謙諱誇訝譴詠諭諷誣詮誡諜訣誦譏詭謬諳詬謗褻証誹諺謨諉誅譁諫訛謁誨諄諦譎訕詔訌詫詰詣諶訐詼詆譟訖訶諂嬴謫讒誥諍誚讖訥詛謐訃誑諛羸讜訢詁詨訏誶譫訑詖詻誧諼譆譙145
氵部:之法灣決海活港沒清消濟治油演波流準派減滿况深源洲涉沙漲酒漁注汽溫江染溪激湖洋河測漸洪游潮澳漢溝汙沈盜洗泥漏慧梁淑淡潔契洽鴻
滑洛潛濃潤浪斗混添婆渡淨池洞澤潭湯浮液滅濱澎滋沖浴濫津潘盪污漫滾泛灌泡湧涵漠泳沉汗淚溢洩滯涼滴浩淺塗漂澄淵溜魂漆汁濤汰滄淘潑涯汪濾淪濕泊潰淋浦灘渾燙汀沾濁湊溶氾浸灑溼渣淫滲渴沛泣溯汝溉汐渠澡淤泌湘沸沼滔鯊沐汕溺瀉渥澆汎湛浙瀑洶淳澱瀾淆沫汶淹澈瀕滌瀰沃瀛淒瀆涎貳汲濡泄濂浬浚澀濬漾渺渝沮渦瀚漬涕湄漓渲滬洵涅淦濛瀟瀝沌沅淮滷濺沽淇溥漪瀋涌滇濘泱漩沁渭湍涸涓渤湮漱漳潦澗澹泓泯瀏洸粱渙泗汛淌淞涔湃濯淬滂瀨沂娑浹彗淄漣漯涇淙潺汾汴泠涮浙滓沱溘潸泅漕潼懣汨沆洫柒挈湎溴齧灤沬洱渚涿湔裟潯潟濠洌澧濰汍洮浥湣湟溧澶澠瀘灞沍沔沘泜泖洹洧洎涊涪湲湩潠澦澴濩濮瀲北非逃背兆悲輩裴斐翡冀韭頫邶覜以資次冷准凌冰凍憑姿馮瓷凝冶凋恣凜咨冽367
风部:及九風鳳乃盈凡丸迅旭孕朵颱凰鳩几蝨夙
飕剁儿颺颶24
木部:十本機林查相扌權李檢格標校想極樣根樓村槍核構楊木摸桃材橋板樹述禁森檔松柏棒梅析杯械植櫃柯杜楚枝橫桶棟概桿桂焚棋榜棉杉梯椅樑柳柱欄彬枚檳槽橡棲梓枯榔攀杰紮札楠樁櫻朴棍桐株榕樸梭椰棚枉鬱枕楓懋柑梧柵橙枋椒柄杏隸框樟梳榴橱槓楣杭橘梗棧楷栓杖棕橄榷棵朽樺桔樞槌棺椎梵柢榻欖梢楞杆楨榨樵檀栩檜杳檸杞梆檬櫚榭棣槐柚婪麓檻檯枸桓桅樊杵橢橇榆榛樽櫛杼枴礬柙桁杷楫柿擔楔槁榫檄杓枇杪柩梔櫺檣朮柞枰棹楮杠櫂欐楹楝槨樅槭檮枓拆栘梱挺梡梂楛榣橈橾櫝櫓櫬214
勹部:包句怱欠旬勿勾匆鄒甸勻雛皺匈勺刨芻劬匍匐刎雊22
Claims (24)
1.递增识别表意字符手写体的装置,包括:
一个计算机图形输入板,用于以自然笔划次序输入表意字符的笔划;
一个递增字符识别器,与所述计算机图形输入板相连,响应部分字符之间的几何关系,产生包含所述笔划的至少一个候选字符的一个假定表;
用于显示所述假定表的装置;
用于从所述假定表的所述至少一个候选字符中选择一个正确字符的装置;
当所述假定表的所述至少一个候选字符中没有一个被选择时用于以自然次序给所述递增字符识别器提供至少另外一个单一笔划的装置。
2.根据权利要求1所述的装置,其特征在于所述递增字符识别器包括:
一个预处理器和一个统计模式分类器。
3.根据权利要求2所述的装置,其特征在于所述统计模式分类器包括至少一个标准的神经网络层。
4.根据权利要求2所述的装置,其特征在于所述统计模式分类器包括一个延时神经网络。
5.根据权利要求1所述的装置,其特征在于所述递增字符识别器包括:
多个细分类器,每个细分类器识别可能字符的一个子集;
一个预分类器,选择多个细分类器的一个来使用。
6.根据权利要求1所述的装置,其特征在于所述递增字符识别器进一步包括用于处理所述候选字符假定表的装置。
7.根据权利要求6所述的装置,其特征在于处理所述候选字符假定表的所述装置包括用于删除假定的装置。
8.根据权利要求6所述的装置,其特征在于处理所述候选字符假定表的所述装置包括用于插入假定的装置。
9.根据权利要求6所述的装置,其特征在于处理所述候选字符假定表的所述装置包括用于重排假定的装置。
10.用于递增识别表意字符的装置包括:
用于输入代表表意字符笔划的坐标数据的输入装置;
用于处理所述坐标数据的输入预处理器;
响应代表部分字符的笔划的所述数据之间的几何关系并产生具有至少一个候选字符的一个假定表的递增识别器;
显示装置;
所述显示装置上的一个窗口,被划分为显示笔划的第一区域和显示所述至少一个候选字符的第二区域。
11.根据权利要求10所述的装置,其特征在于所述输入装置是一个在宽度和高度上都小于3英寸的触摸板。
12.根据权利要求10所述的装置,其特征在于所述输入装置的整个坐标系统都被映射到所述窗口的整个坐标系统上。
13.根据权利要求10所述的装置,其特征在于所述窗口进一步包括一个用于显示命令的区域。
14.根据权利要求13所述的装置,其特征在于所述命令区域位于所述窗口的边沿。
15.根据权利要求13所述的装置,其特征在于所述用于显示所述至少一个候选字符的所述区域位于所述窗口的边沿。
16.根据权利要求13所述的装置,其特征在于所述笔划区域被划分为若干子区域,所述输入处理器响应在所述若干子区域的坐标输入。
17.递增识别表意字符手写体的方法,依次包括以下步骤:
(1)从一个计算机图形输入板输入表意字符的至少一个笔划;
(2)提供所述至少一个笔划给包括一个预处理器和一个统计模式分类器的递增字符识别器,所述递增识别器产生包含至少一个候选字符的一个假定表;
(3)显示包含所述至少一个笔划的所述候选字符假定表;
(4)当所述假定表的所述候选字符中出现一个正确字符时,从其中选择一个正确字符;
(5)当所述假定表没有一个候选字符是正确字符时,从所述计算机图形输入板输入所述表意字符的至少另外一个笔划;
(6)将所述至少一个另外的笔划提供给所述递增字符识别器,并产生包括至少一个候选字符的更新的假定表;
(7)显示包含每个笔划的所述更新的候选字符假定表;
(8)当所述更新的假定表的所述候选字符中出现一个正确字符时,从其中选择一个正确字符;
(9)重复步骤(5)至(8),直到从所述更新的假定表中选出一个正确字符为止。
18.根据权利要求17所述的方法,其特征在于所述统计模式分类器包括至少一个标准的神经网络层。
19.根据权利要求17所述的方法,其特征在于所述统计模式分类器包括一个延时神经网络。
20.根据权利要求17所述的方法,其特征在于所述递增识别器包括:
多个细分类器,每个细分类器识别可能字符的一个子集;
一个预分类器,选择多个细分类器中的一个来使用。
21.根据权利要求17所述的方法,其特征在于所述产生所述更新的假定表的步骤包括从所述假定表删除至少一个所述候选字符的步骤。
22.根据权利要求17所述的方法,其特征在于所述产生一个更新的假定表的步骤包括在所述假定表中插入至少一个另外候选字符的步骤。
23.根据权利要求17所述的方法,其特征在于所述候选字符有一个次序,以及所述产生一个更新的假定表的步骤包括在所述更新的假定表上重排至少一个所述候选字符的步骤。
24.递增识别表意字符手写体的方法,依次包括以下步骤:
(1)从一个计算机图形输入板以自然笔划次序输入表意字符的至少一个笔划;
(2)提供所述至少一个笔划给包括一个预处理器和一个统计模式分类器的递增字符识别器,所述递增识别器产生包含至少一个候选字符的一个假定表;
(3)显示包含所述至少一个笔划的所述候选字符假定表;
(4)当所述假定表的所述候选字符中出现一个正确字符时,从其中选择一个正确字符;
(5)当所述假定表没有一个候选字符是正确字符时,从所述计算机图形输入板以自然笔划次序输入所述表意字符的至少另外一个笔划;
(6)将所述至少一个另外的笔划提供给所述递增字符识别器,并产生包括至少一个候选字符的更新的假定表;
(7)显示包含每个笔划的所述更新的候选字符假定表;
(8)当所述更新的假定表的所述候选字符中出现一个正确字符时,从其中选择一个正确字符;
(9)重复步骤(5)至(8),直到从所述更新的假定表选出一个正确字符为止。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US08/751,514 US5926566A (en) | 1996-11-15 | 1996-11-15 | Incremental ideographic character input method |
US751,514 | 1996-11-15 | ||
US751514 | 1996-11-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1190205A CN1190205A (zh) | 1998-08-12 |
CN1153120C true CN1153120C (zh) | 2004-06-09 |
Family
ID=25022328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB971224897A Expired - Lifetime CN1153120C (zh) | 1996-11-15 | 1997-11-14 | 表意字符的递增输入方法 |
Country Status (5)
Country | Link |
---|---|
US (3) | US5926566A (zh) |
CN (1) | CN1153120C (zh) |
HK (1) | HK1015477A1 (zh) |
SG (1) | SG54596A1 (zh) |
TW (1) | TW480427B (zh) |
Families Citing this family (164)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5926566A (en) * | 1996-11-15 | 1999-07-20 | Synaptics, Inc. | Incremental ideographic character input method |
JP3282976B2 (ja) * | 1996-11-15 | 2002-05-20 | 株式会社キングジム | 文字情報処理装置及び方法 |
US6061472A (en) * | 1997-06-06 | 2000-05-09 | Microsoft Corporation | Method and mechanism to reduce handwriting recognizer errors using multiple decision trees |
US7406084B2 (en) * | 1997-09-19 | 2008-07-29 | Nokia Siemens Networks Gmbh & Co. Kg | Flexible software architecture for a call processing system |
US7257528B1 (en) * | 1998-02-13 | 2007-08-14 | Zi Corporation Of Canada, Inc. | Method and apparatus for Chinese character text input |
DE69908121T2 (de) * | 1998-03-23 | 2004-04-01 | Microsoft Corp., Redmond | Anwendungsprogrammierungsschnittstelle in einem betriebssystem |
US6411734B1 (en) * | 1998-04-03 | 2002-06-25 | Cognex Corporation | Object image search using validated sub-model poses |
US6687879B1 (en) * | 1998-07-09 | 2004-02-03 | Fuji Photo Film Co., Ltd. | Font retrieval apparatus and method using a font link table |
US8938688B2 (en) * | 1998-12-04 | 2015-01-20 | Nuance Communications, Inc. | Contextual prediction of user words and user actions |
US7679534B2 (en) | 1998-12-04 | 2010-03-16 | Tegic Communications, Inc. | Contextual prediction of user words and user actions |
US7712053B2 (en) * | 1998-12-04 | 2010-05-04 | Tegic Communications, Inc. | Explicit character filtering of ambiguous text entry |
US7319957B2 (en) * | 2004-02-11 | 2008-01-15 | Tegic Communications, Inc. | Handwriting and voice input with automatic correction |
US7881936B2 (en) * | 1998-12-04 | 2011-02-01 | Tegic Communications, Inc. | Multimodal disambiguation of speech recognition |
US7720682B2 (en) * | 1998-12-04 | 2010-05-18 | Tegic Communications, Inc. | Method and apparatus utilizing voice input to resolve ambiguous manually entered text input |
US6801659B1 (en) * | 1999-01-04 | 2004-10-05 | Zi Technology Corporation Ltd. | Text input system for ideographic and nonideographic languages |
US6393395B1 (en) * | 1999-01-07 | 2002-05-21 | Microsoft Corporation | Handwriting and speech recognizer using neural network with separate start and continuation output scores |
US7293231B1 (en) * | 1999-03-18 | 2007-11-06 | British Columbia Ltd. | Data entry for personal computing devices |
US7030863B2 (en) | 2000-05-26 | 2006-04-18 | America Online, Incorporated | Virtual keyboard system with automatic correction |
EP1192716B1 (en) * | 1999-05-27 | 2009-09-23 | Tegic Communications, Inc. | Keyboard system with automatic correction |
US7821503B2 (en) | 2003-04-09 | 2010-10-26 | Tegic Communications, Inc. | Touch screen and graphical user interface |
US7286115B2 (en) | 2000-05-26 | 2007-10-23 | Tegic Communications, Inc. | Directional input system with automatic correction |
US7750891B2 (en) | 2003-04-09 | 2010-07-06 | Tegic Communications, Inc. | Selective input system based on tracking of motion parameters of an input device |
US7610194B2 (en) * | 2002-07-18 | 2009-10-27 | Tegic Communications, Inc. | Dynamic database reordering system |
US6970599B2 (en) * | 2002-07-25 | 2005-11-29 | America Online, Inc. | Chinese character handwriting recognition system |
GB2354099B (en) * | 1999-09-09 | 2003-09-10 | Sony Uk Ltd | Image identification apparatus and method of identifying images |
CA2323856A1 (en) * | 2000-10-18 | 2002-04-18 | 602531 British Columbia Ltd. | Method, system and media for entering data in a personal computing device |
US7765095B1 (en) | 2000-10-26 | 2010-07-27 | Cypress Semiconductor Corporation | Conditional branching in an in-circuit emulation system |
US6724220B1 (en) | 2000-10-26 | 2004-04-20 | Cyress Semiconductor Corporation | Programmable microcontroller architecture (mixed analog/digital) |
US8176296B2 (en) | 2000-10-26 | 2012-05-08 | Cypress Semiconductor Corporation | Programmable microcontroller architecture |
US8149048B1 (en) | 2000-10-26 | 2012-04-03 | Cypress Semiconductor Corporation | Apparatus and method for programmable power management in a programmable analog circuit block |
US8103496B1 (en) | 2000-10-26 | 2012-01-24 | Cypress Semicondutor Corporation | Breakpoint control in an in-circuit emulation system |
US8160864B1 (en) | 2000-10-26 | 2012-04-17 | Cypress Semiconductor Corporation | In-circuit emulator and pod synchronized boot |
US6393445B1 (en) * | 2001-01-04 | 2002-05-21 | Institute For Information Industry | System for transforming Chinese character forms in real-time between a traditional character form and a simplified character form |
US7343041B2 (en) * | 2001-02-22 | 2008-03-11 | International Business Machines Corporation | Handwritten word recognition using nearest neighbor techniques that allow adaptive learning |
WO2002082304A1 (en) * | 2001-04-06 | 2002-10-17 | Specht Donald F | String search neuron for artificial neural networks |
US7730401B2 (en) * | 2001-05-16 | 2010-06-01 | Synaptics Incorporated | Touch screen with user interface enhancement |
US20030007018A1 (en) * | 2001-07-09 | 2003-01-09 | Giovanni Seni | Handwriting user interface for personal digital assistants and the like |
KR100704093B1 (ko) * | 2001-08-30 | 2007-04-05 | 에이오엘 엘엘씨 | 콤포넌트 기반의, 적응성 스트로크 명령 시스템 |
US7406674B1 (en) | 2001-10-24 | 2008-07-29 | Cypress Semiconductor Corporation | Method and apparatus for generating microcontroller configuration information |
US8078970B1 (en) | 2001-11-09 | 2011-12-13 | Cypress Semiconductor Corporation | Graphical user interface with user-selectable list-box |
US8042093B1 (en) | 2001-11-15 | 2011-10-18 | Cypress Semiconductor Corporation | System providing automatic source code generation for personalization and parameterization of user modules |
US8069405B1 (en) | 2001-11-19 | 2011-11-29 | Cypress Semiconductor Corporation | User interface for efficiently browsing an electronic document using data-driven tabs |
US7770113B1 (en) | 2001-11-19 | 2010-08-03 | Cypress Semiconductor Corporation | System and method for dynamically generating a configuration datasheet |
US7844437B1 (en) | 2001-11-19 | 2010-11-30 | Cypress Semiconductor Corporation | System and method for performing next placements and pruning of disallowed placements for programming an integrated circuit |
US6971004B1 (en) | 2001-11-19 | 2005-11-29 | Cypress Semiconductor Corp. | System and method of dynamically reconfiguring a programmable integrated circuit |
US7774190B1 (en) | 2001-11-19 | 2010-08-10 | Cypress Semiconductor Corporation | Sleep and stall in an in-circuit emulation system |
JP4061094B2 (ja) * | 2002-03-15 | 2008-03-12 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 音声認識装置、その音声認識方法及びプログラム |
US8103497B1 (en) | 2002-03-28 | 2012-01-24 | Cypress Semiconductor Corporation | External interface for event architecture |
US7308608B1 (en) | 2002-05-01 | 2007-12-11 | Cypress Semiconductor Corporation | Reconfigurable testing system and method |
US7010165B2 (en) * | 2002-05-10 | 2006-03-07 | Microsoft Corporation | Preprocessing of multi-line rotated electronic ink |
US7123770B2 (en) * | 2002-05-14 | 2006-10-17 | Microsoft Corporation | Incremental system for real time digital ink analysis |
US8583440B2 (en) | 2002-06-20 | 2013-11-12 | Tegic Communications, Inc. | Apparatus and method for providing visual indication of character ambiguity during text entry |
US7761845B1 (en) | 2002-09-09 | 2010-07-20 | Cypress Semiconductor Corporation | Method for parameterizing a user module |
US7256769B2 (en) * | 2003-02-24 | 2007-08-14 | Zi Corporation Of Canada, Inc. | System and method for text entry on a reduced keyboard |
CN103076886A (zh) * | 2003-04-18 | 2013-05-01 | 无键系统有限公司 | 在移动和固定的环境中用于增强数据输入的系统 |
US7567239B2 (en) * | 2003-06-26 | 2009-07-28 | Motorola, Inc. | Method and system for message and note composition on small screen devices |
US7088861B2 (en) * | 2003-09-16 | 2006-08-08 | America Online, Inc. | System and method for chinese input using a joystick |
EP1519299A1 (en) * | 2003-09-29 | 2005-03-30 | Alcatel | Method, system, client, server and computer software product for distributed handwriting recognition |
TW200538969A (en) * | 2004-02-11 | 2005-12-01 | America Online Inc | Handwriting and voice input with automatic correction |
US20050192802A1 (en) * | 2004-02-11 | 2005-09-01 | Alex Robinson | Handwriting and voice input with automatic correction |
US7295049B1 (en) | 2004-03-25 | 2007-11-13 | Cypress Semiconductor Corporation | Method and circuit for rapid alignment of signals |
US20050264584A1 (en) * | 2004-05-27 | 2005-12-01 | Zhu-Min Di | [method for fast input of chinese character] |
US8095364B2 (en) | 2004-06-02 | 2012-01-10 | Tegic Communications, Inc. | Multimodal disambiguation of speech recognition |
US20050273761A1 (en) * | 2004-06-07 | 2005-12-08 | The Mathworks, Inc. | Freehand system and method for creating, editing, and manipulating block diagrams |
US20060001656A1 (en) * | 2004-07-02 | 2006-01-05 | Laviola Joseph J Jr | Electronic ink system |
US8069436B2 (en) | 2004-08-13 | 2011-11-29 | Cypress Semiconductor Corporation | Providing hardware independence to automate code generation of processing device firmware |
US8286125B2 (en) | 2004-08-13 | 2012-10-09 | Cypress Semiconductor Corporation | Model for a hardware device-independent method of defining embedded firmware for programmable systems |
US7764837B2 (en) * | 2004-09-01 | 2010-07-27 | Hewlett-Packard Development Company, L.P. | System, method, and apparatus for continuous character recognition |
CN100394363C (zh) * | 2004-11-30 | 2008-06-11 | 摩托罗拉公司 | 执行表意字符输入的方法和装置 |
US7587087B2 (en) * | 2004-12-10 | 2009-09-08 | Nokia Corporation | On-line handwriting recognition |
US8552984B2 (en) | 2005-01-13 | 2013-10-08 | 602531 British Columbia Ltd. | Method, system, apparatus and computer-readable media for directing input associated with keyboard-type device |
US7332976B1 (en) | 2005-02-04 | 2008-02-19 | Cypress Semiconductor Corporation | Poly-phase frequency synthesis oscillator |
US7473687B2 (en) * | 2005-03-24 | 2009-01-06 | Emory University | Methods for the treatment of a traumatic central nervous system injury |
EP1717671A1 (en) * | 2005-04-29 | 2006-11-02 | Ford Global Technologies, LLC | Method for an appliance system of a vehicle |
US7400183B1 (en) | 2005-05-05 | 2008-07-15 | Cypress Semiconductor Corporation | Voltage controlled oscillator delay cell and method |
JP2006350649A (ja) * | 2005-06-15 | 2006-12-28 | Nintendo Co Ltd | プログラムおよび情報処理装置 |
US8089461B2 (en) | 2005-06-23 | 2012-01-03 | Cypress Semiconductor Corporation | Touch wake for electronic devices |
DE102005031656A1 (de) * | 2005-07-06 | 2007-01-11 | Siemens Ag | Verfahren zur Auswahl einer Bezeichung |
US8050876B2 (en) * | 2005-07-18 | 2011-11-01 | Analog Devices, Inc. | Automatic environmental compensation of capacitance based proximity sensors |
US7307485B1 (en) | 2005-11-14 | 2007-12-11 | Cypress Semiconductor Corporation | Capacitance sensor using relaxation oscillators |
US7646913B2 (en) * | 2005-12-19 | 2010-01-12 | Microsoft Corporation | Allograph based writer adaptation for handwritten character recognition |
US8085067B1 (en) | 2005-12-21 | 2011-12-27 | Cypress Semiconductor Corporation | Differential-to-single ended signal converter circuit and method |
US7312616B2 (en) | 2006-01-20 | 2007-12-25 | Cypress Semiconductor Corporation | Successive approximate capacitance measurement circuit |
US20070176903A1 (en) * | 2006-01-31 | 2007-08-02 | Dahlin Jeffrey J | Capacitive touch sensor button activation |
US8067948B2 (en) | 2006-03-27 | 2011-11-29 | Cypress Semiconductor Corporation | Input/output multiplexer bus |
US8144125B2 (en) | 2006-03-30 | 2012-03-27 | Cypress Semiconductor Corporation | Apparatus and method for reducing average scan rate to detect a conductive object on a sensing device |
US7721609B2 (en) | 2006-03-31 | 2010-05-25 | Cypress Semiconductor Corporation | Method and apparatus for sensing the force with which a button is pressed |
US8040142B1 (en) | 2006-03-31 | 2011-10-18 | Cypress Semiconductor Corporation | Touch detection techniques for capacitive touch sense systems |
US8089472B2 (en) | 2006-05-26 | 2012-01-03 | Cypress Semiconductor Corporation | Bidirectional slider with delete function |
US8537121B2 (en) | 2006-05-26 | 2013-09-17 | Cypress Semiconductor Corporation | Multi-function slider in touchpad |
US8040321B2 (en) | 2006-07-10 | 2011-10-18 | Cypress Semiconductor Corporation | Touch-sensor with shared capacitive sensors |
US7253643B1 (en) | 2006-07-19 | 2007-08-07 | Cypress Semiconductor Corporation | Uninterrupted radial capacitive sense interface |
US9507465B2 (en) * | 2006-07-25 | 2016-11-29 | Cypress Semiconductor Corporation | Technique for increasing the sensitivity of capacitive sensor arrays |
US8077974B2 (en) * | 2006-07-28 | 2011-12-13 | Hewlett-Packard Development Company, L.P. | Compact stylus-based input technique for indic scripts |
US20080034347A1 (en) * | 2006-07-31 | 2008-02-07 | Subramanyam V | System and method for software lifecycle management |
US9766738B1 (en) | 2006-08-23 | 2017-09-19 | Cypress Semiconductor Corporation | Position and usage based prioritization for capacitance sense interface |
US8547114B2 (en) * | 2006-11-14 | 2013-10-01 | Cypress Semiconductor Corporation | Capacitance to code converter with sigma-delta modulator |
US8089288B1 (en) | 2006-11-16 | 2012-01-03 | Cypress Semiconductor Corporation | Charge accumulation capacitance sensor with linear transfer characteristic |
US20080150768A1 (en) * | 2006-12-20 | 2008-06-26 | Computime, Ltd. | Character Entry by Inputting Strokes Through a Circular Input Device |
US20080154576A1 (en) * | 2006-12-21 | 2008-06-26 | Jianchao Wu | Processing of reduced-set user input text with selected one of multiple vocabularies and resolution modalities |
US8058937B2 (en) | 2007-01-30 | 2011-11-15 | Cypress Semiconductor Corporation | Setting a discharge rate and a charge rate of a relaxation oscillator circuit |
US8201087B2 (en) | 2007-02-01 | 2012-06-12 | Tegic Communications, Inc. | Spell-check for a keyboard system with automatic correction |
US8225203B2 (en) * | 2007-02-01 | 2012-07-17 | Nuance Communications, Inc. | Spell-check for a keyboard system with automatic correction |
CA2581824A1 (en) * | 2007-03-14 | 2008-09-14 | 602531 British Columbia Ltd. | System, apparatus and method for data entry using multi-function keys |
US8516025B2 (en) | 2007-04-17 | 2013-08-20 | Cypress Semiconductor Corporation | Clock driven dynamic datapath chaining |
US8040266B2 (en) | 2007-04-17 | 2011-10-18 | Cypress Semiconductor Corporation | Programmable sigma-delta analog-to-digital converter |
US9564902B2 (en) | 2007-04-17 | 2017-02-07 | Cypress Semiconductor Corporation | Dynamically configurable and re-configurable data path |
US8026739B2 (en) | 2007-04-17 | 2011-09-27 | Cypress Semiconductor Corporation | System level interconnect with programmable switching |
US8130025B2 (en) | 2007-04-17 | 2012-03-06 | Cypress Semiconductor Corporation | Numerical band gap |
US8092083B2 (en) | 2007-04-17 | 2012-01-10 | Cypress Semiconductor Corporation | Temperature sensor with digital bandgap |
US7737724B2 (en) | 2007-04-17 | 2010-06-15 | Cypress Semiconductor Corporation | Universal digital block interconnection and channel routing |
US8266575B1 (en) | 2007-04-25 | 2012-09-11 | Cypress Semiconductor Corporation | Systems and methods for dynamically reconfiguring a programmable system on a chip |
US9720805B1 (en) | 2007-04-25 | 2017-08-01 | Cypress Semiconductor Corporation | System and method for controlling a target device |
US8065653B1 (en) | 2007-04-25 | 2011-11-22 | Cypress Semiconductor Corporation | Configuration of programmable IC design elements |
US7895518B2 (en) * | 2007-04-27 | 2011-02-22 | Shapewriter Inc. | System and method for preview and selection of words |
CN101295293B (zh) * | 2007-04-29 | 2010-06-02 | 摩托罗拉公司 | 用于对表意字符的输入字符串进行自动纠错的方法 |
US8144126B2 (en) | 2007-05-07 | 2012-03-27 | Cypress Semiconductor Corporation | Reducing sleep current in a capacitance sensing system |
US8111922B2 (en) * | 2007-06-08 | 2012-02-07 | Microsoft Corporation | Bi-directional handwriting insertion and correction |
US9500686B1 (en) | 2007-06-29 | 2016-11-22 | Cypress Semiconductor Corporation | Capacitance measurement system and methods |
US8089289B1 (en) | 2007-07-03 | 2012-01-03 | Cypress Semiconductor Corporation | Capacitive field sensor with sigma-delta modulator |
US8169238B1 (en) * | 2007-07-03 | 2012-05-01 | Cypress Semiconductor Corporation | Capacitance to frequency converter |
WO2009006556A1 (en) | 2007-07-03 | 2009-01-08 | Cypress Semiconductor Corporation | Normalizing capacitive sensor array signals |
US8570053B1 (en) | 2007-07-03 | 2013-10-29 | Cypress Semiconductor Corporation | Capacitive field sensor with sigma-delta modulator |
CN101354749B (zh) * | 2007-07-24 | 2013-01-09 | 夏普株式会社 | 字典制作方法、手写输入方法和设备 |
US8049569B1 (en) | 2007-09-05 | 2011-11-01 | Cypress Semiconductor Corporation | Circuit and method for improving the accuracy of a crystal-less oscillator having dual-frequency modes |
US8525798B2 (en) | 2008-01-28 | 2013-09-03 | Cypress Semiconductor Corporation | Touch sensing |
US8487912B1 (en) | 2008-02-01 | 2013-07-16 | Cypress Semiconductor Corporation | Capacitive sense touch device with hysteresis threshold |
EP2088536B1 (en) * | 2008-02-08 | 2021-08-11 | Nokia Technologies Oy | Text input system and method involving finger-based handwriting recognition and word prediction |
US8319505B1 (en) | 2008-10-24 | 2012-11-27 | Cypress Semiconductor Corporation | Methods and circuits for measuring mutual and self capacitance |
US8358142B2 (en) | 2008-02-27 | 2013-01-22 | Cypress Semiconductor Corporation | Methods and circuits for measuring mutual and self capacitance |
US9104273B1 (en) | 2008-02-29 | 2015-08-11 | Cypress Semiconductor Corporation | Multi-touch sensing method |
US8321174B1 (en) | 2008-09-26 | 2012-11-27 | Cypress Semiconductor Corporation | System and method to measure capacitance of capacitive sensor array |
US8487639B1 (en) | 2008-11-21 | 2013-07-16 | Cypress Semiconductor Corporation | Receive demodulator for capacitive sensing |
US8866500B2 (en) | 2009-03-26 | 2014-10-21 | Cypress Semiconductor Corporation | Multi-functional capacitance sensing circuit with a current conveyor |
US8175389B2 (en) * | 2009-03-30 | 2012-05-08 | Synaptics Incorporated | Recognizing handwritten words |
WO2010127167A2 (en) * | 2009-04-30 | 2010-11-04 | Synaptics Incorporated | Operating a touch screen control system according to a plurality of rule sets |
US9448964B2 (en) | 2009-05-04 | 2016-09-20 | Cypress Semiconductor Corporation | Autonomous control in a programmable system |
US8723827B2 (en) | 2009-07-28 | 2014-05-13 | Cypress Semiconductor Corporation | Predictive touch surface scanning |
US20110060985A1 (en) * | 2009-09-08 | 2011-03-10 | ABJK Newco, Inc. | System and Method for Collecting a Signature Using a Smart Device |
US20110148436A1 (en) * | 2009-12-18 | 2011-06-23 | Synaptics Incorporated | System and method for determining a number of objects in a capacitive sensing region using signal grouping |
US20110148438A1 (en) * | 2009-12-18 | 2011-06-23 | Synaptics Incorporated | System and method for determining a number of objects in a capacitive sensing region using a shape factor |
US10719131B2 (en) | 2010-04-05 | 2020-07-21 | Tactile Displays, Llc | Interactive display with tactile feedback |
US20200393907A1 (en) | 2010-04-13 | 2020-12-17 | Tactile Displays, Llc | Interactive display with tactile feedback |
US10380241B2 (en) * | 2010-05-26 | 2019-08-13 | Warren Daniel Child | Modular system and method for managing chinese, japanese, and korean linguistic data in electronic form |
US8930360B2 (en) * | 2010-05-28 | 2015-01-06 | Yahoo! Inc. | System and method for online handwriting recognition in web queries |
US8918734B2 (en) | 2010-07-28 | 2014-12-23 | Nuance Communications, Inc. | Reduced keyboard with prediction solutions when input is a partial sliding trajectory |
US9104306B2 (en) * | 2010-10-29 | 2015-08-11 | Avago Technologies General Ip (Singapore) Pte. Ltd. | Translation of directional input to gesture |
US9268441B2 (en) | 2011-04-05 | 2016-02-23 | Parade Technologies, Ltd. | Active integrator for a capacitive sense array |
KR101898202B1 (ko) * | 2012-02-09 | 2018-09-12 | 삼성전자주식회사 | 필기 인식을 위한 필기 입력 가이드 장치 및 방법 |
JP6065433B2 (ja) * | 2012-07-12 | 2017-01-25 | 株式会社リコー | 投影装置、投影システム、プログラム |
JP5342052B1 (ja) * | 2012-10-17 | 2013-11-13 | 株式会社東芝 | 電子機器および方法 |
CN102981764B (zh) * | 2012-11-19 | 2018-07-20 | 北京三星通信技术研究有限公司 | 触控操作的处理方法及设备 |
US10228819B2 (en) | 2013-02-04 | 2019-03-12 | 602531 British Cilumbia Ltd. | Method, system, and apparatus for executing an action related to user selection |
US9721362B2 (en) * | 2013-04-24 | 2017-08-01 | Microsoft Technology Licensing, Llc | Auto-completion of partial line pattern |
US20140361983A1 (en) * | 2013-06-09 | 2014-12-11 | Apple Inc. | Real-time stroke-order and stroke-direction independent handwriting recognition |
US9898187B2 (en) | 2013-06-09 | 2018-02-20 | Apple Inc. | Managing real-time handwriting recognition |
US9495620B2 (en) | 2013-06-09 | 2016-11-15 | Apple Inc. | Multi-script handwriting recognition using a universal recognizer |
CN104156491A (zh) * | 2014-09-01 | 2014-11-19 | 携程计算机技术(上海)有限公司 | 移动终端及其列表信息检索方法 |
US10095673B2 (en) * | 2014-11-17 | 2018-10-09 | Lenovo (Singapore) Pte. Ltd. | Generating candidate logograms |
CN107506828B (zh) * | 2016-01-20 | 2020-11-03 | 中科寒武纪科技股份有限公司 | 用于稀疏连接的人工神经网络计算装置和方法 |
DK179374B1 (en) | 2016-06-12 | 2018-05-28 | Apple Inc | Handwriting keyboard for monitors |
US11194467B2 (en) | 2019-06-01 | 2021-12-07 | Apple Inc. | Keyboard management user interfaces |
CN110427886B (zh) * | 2019-08-02 | 2022-02-08 | 福建天晴数码有限公司 | 一种手写识别的自动化校验方法及系统 |
CN114146373A (zh) * | 2021-12-17 | 2022-03-08 | 李信达 | 一种膝部康复与训练装置 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3754459A (en) * | 1972-06-02 | 1973-08-28 | Cps Ass Inc | Ideographic-language input apparatus publication system utilizing same |
US4040010A (en) * | 1975-11-06 | 1977-08-02 | Stanford Research Institute | Identification by handwriting verification |
US4180799A (en) * | 1978-04-21 | 1979-12-25 | Caere Corporation | Apparatus and method for recognizing characters |
US4365235A (en) * | 1980-12-31 | 1982-12-21 | International Business Machines Corporation | Chinese/Kanji on-line recognition system |
US4475235A (en) * | 1982-01-04 | 1984-10-02 | Rolm Corporation | Signature verification sensor |
US4561105A (en) * | 1983-01-19 | 1985-12-24 | Communication Intelligence Corporation | Complex pattern recognition method and system |
JPS60136892A (ja) * | 1983-12-26 | 1985-07-20 | Hitachi Ltd | オンライン手書き図形認識装置 |
US4829583A (en) * | 1985-06-03 | 1989-05-09 | Sino Business Machines, Inc. | Method and apparatus for processing ideographic characters |
US4724542A (en) * | 1986-01-22 | 1988-02-09 | International Business Machines Corporation | Automatic reference adaptation during dynamic signature verification |
US4817034A (en) * | 1986-02-11 | 1989-03-28 | E.S.P. Systems, Inc. | Computerized handwriting duplication system |
US4949388A (en) * | 1987-02-19 | 1990-08-14 | Gtx Corporation | Method and apparatus for recognition of graphic symbols |
US5131053A (en) * | 1988-08-10 | 1992-07-14 | Caere Corporation | Optical character recognition method and apparatus |
US5267327A (en) * | 1990-03-30 | 1993-11-30 | Sony Corporation | Apparatus and method for registering the handwriting of a user so it can be translated into block characters |
US5151950A (en) * | 1990-10-31 | 1992-09-29 | Go Corporation | Method for recognizing handwritten characters using shape and context analysis |
JPH08101922A (ja) * | 1991-01-07 | 1996-04-16 | Shima Seiki Mfg Ltd | 画像編集作成装置および画像編集作成方法 |
US5231698A (en) * | 1991-03-20 | 1993-07-27 | Forcier Mitchell D | Script/binary-encoded-character processing method and system |
US5105468A (en) * | 1991-04-03 | 1992-04-14 | At&T Bell Laboratories | Time delay neural network for printed and cursive handwritten character recognition |
JP3190074B2 (ja) * | 1991-09-11 | 2001-07-16 | 株式会社東芝 | 手書き入力装置 |
US5272470A (en) * | 1991-10-10 | 1993-12-21 | International Business Machines Corporation | Apparatus and method for reducing system overhead while inking strokes in a finger or stylus-based input device of a data processing system |
JPH0684006A (ja) * | 1992-04-09 | 1994-03-25 | Internatl Business Mach Corp <Ibm> | オンライン手書き文字認識方法 |
JP2585922B2 (ja) * | 1992-05-29 | 1997-02-26 | 日立ソフトウエアエンジニアリング株式会社 | 電子黒板装置 |
DE69332555D1 (de) * | 1992-09-04 | 2003-01-23 | Canon Kk | Verfahren und Vorrichtung zur Anzeige von Zeichen |
US5517578A (en) * | 1993-05-20 | 1996-05-14 | Aha! Software Corporation | Method and apparatus for grouping and manipulating electronic representations of handwriting, printing and drawings |
US5434928A (en) * | 1993-12-06 | 1995-07-18 | At&T Global Information Solutions Company | Method for verifying a handwritten signature entered into a digitizer |
US5521986A (en) * | 1994-11-30 | 1996-05-28 | American Tel-A-Systems, Inc. | Compact data input device |
US5812698A (en) * | 1995-05-12 | 1998-09-22 | Synaptics, Inc. | Handwriting recognition system and method |
US5926566A (en) * | 1996-11-15 | 1999-07-20 | Synaptics, Inc. | Incremental ideographic character input method |
-
1996
- 1996-11-15 US US08/751,514 patent/US5926566A/en not_active Expired - Lifetime
-
1997
- 1997-06-10 TW TW086107989A patent/TW480427B/zh not_active IP Right Cessation
- 1997-11-14 CN CNB971224897A patent/CN1153120C/zh not_active Expired - Lifetime
- 1997-11-14 SG SG1997004064A patent/SG54596A1/en unknown
-
1999
- 1999-01-14 US US09/231,911 patent/US6148104A/en not_active Expired - Lifetime
- 1999-01-22 HK HK99100306A patent/HK1015477A1/xx not_active IP Right Cessation
- 1999-04-06 US US09/287,590 patent/US6028959A/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
HK1015477A1 (en) | 1999-10-15 |
US6028959A (en) | 2000-02-22 |
SG54596A1 (en) | 1998-11-16 |
TW480427B (en) | 2002-03-21 |
CN1190205A (zh) | 1998-08-12 |
US6148104A (en) | 2000-11-14 |
US5926566A (en) | 1999-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1153120C (zh) | 表意字符的递增输入方法 | |
Clement et al. | Disentangling domestication from food production systems in the Neotropics | |
Lovatelli et al. | Advances in sea cucumber aquaculture and management | |
Schluter | The ecology of adaptive radiation | |
Thongklang et al. | Morphological and molecular characterization of three Agaricus species from tropical Asia (Pakistan, Thailand) reveals a new group in section Xanthodermatei | |
Montanarin et al. | Courtship and mating behaviour of the brilliant-thighed frog Allobates femoralis from Central Amazonia: implications for the study of a species complex | |
Gao et al. | Three new species of Cyphellophora (Chaetothyriales) associated with sooty blotch and flyspeck | |
Loureiro et al. | Diversity, morphological phylogeny, and distribution of bats of the genus Molossus E. Geoffroy, 1805 (Chiroptera, Molossidae) in Brazil | |
CN101183279A (zh) | 汉字输入拼块音方案 | |
Bechteler et al. | Comprehensive phylogenomic time tree of bryophytes reveals deep relationships and uncovers gene incongruences in the last 500 million years of diversification | |
Carvalho et al. | Technological origins: primate perspectives and early hominin tool use in Africa | |
Chen | Consuming biotechnology: Genetically modified rice in China | |
Wortman et al. | Whole genome comparison of the A. fumigatus family | |
Alves | Lexical evidence of the Vietic household before and after language contact with Sinitic | |
Fiedler | The ant associates of Lycaenidae butterfly caterpillars–revisited | |
CN101281426A (zh) | 一种智能部件积木式汉字输入法 | |
CN102163087B (zh) | 一种汉字形码输入法 | |
Williams | Identifying and protecting the origins of our food plants | |
Schmidt | Molecular phylogenetics and taxonomic revision of ponerine ants (Hymenoptera: Formicidae: Ponerinae) | |
CN104951096A (zh) | 汉字编码八类笔形座标形码输入法 | |
Dieni et al. | Reconstructing the invasion history of the lily leaf beetle, Lilioceris lilii, in North America | |
Owon et al. | The Analysis of Function and Poetry Content of Traditional Marriage in Seusina Village Community, Sikka Regency | |
Nuraliev et al. | Patterns of diversity of floral symmetry in angiosperms: a case study of the order Apiales | |
Hannemann et al. | A comparative study on partnership dynamics among immigrants and their descendants | |
Gordillo et al. | Multigene phylogenetic and morphological evidence for seven new species of Aquanectria and Gliocladiopsis (Ascomycota, Hypocreales) from tropical areas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C06 | Publication | ||
PB01 | Publication | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1015477 Country of ref document: HK |
|
CX01 | Expiry of patent term |
Granted publication date: 20040609 |