软件学报:jos:7650 · 记录 #1
随着触控技术和自动驾驶系统的发展, 手写文字输入作为触屏设备重要的交互方式之一, 已广泛应用于车载智能终端. 然而, 车载环境下的车身晃动和瞬时冲击会导致手写输入出现连笔增多、部件缺失等情况, 严重影响了手写文字识别的精度. 针对这个问题, 提出一种基于字根拆解的在线识别方法CHORRD. 该方法首先采用连笔风格数据增强技术对原始数据进行扩充, 用于提升基础模型对连笔书写风格的识别鲁棒性. 然后, 提取手写文字结构和字根序列, 并根据所设计的首尾确认表意文字描述序列HTCIDS进行距离计算, 从而确定完整的文字. 实验结果表明, 该方法在车载振动模拟环境中能够有效地实现字根拆解和文字识别, 显著提高了在线手写识别性能, 识别准确率达到90%以上.
这些页面提供论文线索，不代表同行评审或质量认证。
此版本尚未生成 AI 解读。解读由后台任务生成并按论文版本保存，登录后共享已有结果。
2026 · 正式发表 · DOI: 10.13328/j.cnki.jos.007650
目前只观测到一个版本，无法比较变化。之后收录新版本时，会在这里对照标题、作者、分类和摘要。
平台记录号代表本站观测到的元数据变化，不是作者修订号。来源日期仅到月份或年份时，按该月或该年首日存档。
随着触控技术和自动驾驶系统的发展, 手写文字输入作为触屏设备重要的交互方式之一, 已广泛应用于车载智能终端. 然而, 车载环境下的车身晃动和瞬时冲击会导致手写输入出现连笔增多、部件缺失等情况, 严重影响了手写文字识别的精度. 针对这个问题, 提出一种基于字根拆解的在线识别方法CHORRD. 该方法首先采用连笔风格数据增强技术对原始数据进行扩充, 用于提升基础模型对连笔书写风格的识别鲁棒性. 然后, 提取手写文字结构和字根序列, 并根据所设计的首尾确认表意文字描述序列HTCIDS进行距离计算, 从而确定完整的文字. 实验结果表明, 该方法在车载振动模拟环境中能够有效地实现字根拆解和文字识别, 显著提高了在线手写识别性能, 识别准确率达到90%以上.
查看此版本解读 →查看此版本原文 ↗