本文關(guān)鍵詞：基于云平臺的連續(xù)手寫識別系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：人機(jī)交互研究領(lǐng)域已有悠久的研究歷史。隨著計(jì)算機(jī)技術(shù)的發(fā)展,人們追求越來越智能化的交互方式,如圖形交互、語音交互、手寫交互等。這些交互使得人與機(jī)器進(jìn)行類似于自然語言交流成為了可能。隨著觸屏移動(dòng)設(shè)備的興起,受環(huán)境影響較小的手寫識別交互方式成為最自然的交互方式之一。但目前比較流行的手寫輸入模式都還建立在字、詞書寫階段,用戶需要經(jīng)過構(gòu)思思維、書寫字符、點(diǎn)擊候選的重復(fù)循環(huán)過程。這使得用戶無法連續(xù)書寫,出現(xiàn)思維斷裂,書寫效率低的問題。隨著識別技術(shù)的不斷發(fā)展,精度較高的識別引擎計(jì)算復(fù)雜度也相對較高,這使得手寫識別引擎在移動(dòng)終端設(shè)備的識別準(zhǔn)確率受到一定的限制。所以,如何提高識別精度,實(shí)現(xiàn)連續(xù)書寫是目前手寫識別領(lǐng)域的一個(gè)重要研究方向。針對以上兩個(gè)問題,結(jié)合目前發(fā)展日漸成熟的云計(jì)算平臺,本文設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于云平臺的連續(xù)手寫識別系統(tǒng)。通過將計(jì)算較復(fù)雜的基于卷積神經(jīng)網(wǎng)絡(luò)的識別引擎和后處理模型搭建在云端服務(wù)器上,實(shí)現(xiàn)分布式并行計(jì)算,解決移動(dòng)平臺單機(jī)硬件資源不足的問題。為了實(shí)現(xiàn)用戶在線順暢書寫,本文設(shè)計(jì)了一種基于云端的連續(xù)手寫交互模式。在Android移動(dòng)終端系統(tǒng)中,設(shè)計(jì)了識別結(jié)果的多級呈現(xiàn)和雙識別引擎,提高用戶的書寫速率和識別精度。在云端通過搭建粘性負(fù)載均衡節(jié)點(diǎn)來保持客戶端與云端的數(shù)據(jù)同步,并且實(shí)現(xiàn)并發(fā)用戶訪問處理。本文還搭建了用戶手寫數(shù)據(jù)存儲系統(tǒng),將手寫數(shù)據(jù)通過網(wǎng)絡(luò)文件系統(tǒng)(Network File System,簡稱NFS)存儲到數(shù)據(jù)庫中,并將用戶手寫習(xí)慣寫入手寫日志,對未來進(jìn)行用戶數(shù)據(jù)挖掘和設(shè)計(jì)個(gè)性化識別引擎具有重要的作用。最后本文對系統(tǒng)進(jìn)行測試。讓10個(gè)真實(shí)用戶采用三種識別引擎進(jìn)行書寫,對比不同識別引擎的識別準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,本文搭建的基于云平臺的在線識別引擎具有較高的識別精度,平均首選準(zhǔn)確率達(dá)到了95.70%,識別延時(shí)為0.2s左右,不影響用戶順暢書寫。通過電腦開啟多線程模擬手機(jī)并發(fā)訪問云端,測試服務(wù)器的容載量和吞吐量。由實(shí)驗(yàn)結(jié)果分析得到,本文云端系統(tǒng)具有較強(qiáng)的處理能力和較大的吞吐量。最后采用Testin云測(專業(yè)的手機(jī)云測試平臺)對系統(tǒng)兼容性進(jìn)行測試,得到98.26%的通過率,說明了系統(tǒng)具有較好的兼容性。
【關(guān)鍵詞】：連續(xù)手寫識別 云平臺 卷積神經(jīng)網(wǎng)絡(luò) 負(fù)載均衡
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.43;TP393.09
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-16
• 1.1 課題來源9
• 1.2 課題研究的背景及意義9-10
• 1.3 國內(nèi)外相關(guān)技術(shù)研究現(xiàn)狀分析10-14
• 1.3.1 手寫識別技術(shù)研究現(xiàn)狀10-11
• 1.3.2 手寫輸入方式發(fā)展現(xiàn)狀11-12
• 1.3.3 分布式云計(jì)算發(fā)展現(xiàn)狀12-14
• 1.4 本文的主要研究內(nèi)容14-15
• 1.5 章節(jié)內(nèi)容組織結(jié)構(gòu)15-16
• 第2章 連續(xù)手寫識別相關(guān)技術(shù)16-23
• 2.1 引言16
• 2.2 深度學(xué)習(xí)識別引擎16-19
• 2.2.1 卷積神經(jīng)網(wǎng)絡(luò)16-18
• 2.2.2 卷積神經(jīng)網(wǎng)絡(luò)在手寫上的應(yīng)用18-19
• 2.3 基于N-GRAM的后處理方法19-22
• 2.3.1 N元文法模型19-21
• 2.3.2 N元文法模型在手寫識別中的應(yīng)用21-22
• 2.4 本章小結(jié)22-23
• 第3章 基于云平臺的連續(xù)手寫識別系統(tǒng)設(shè)計(jì)23-35
• 3.1 引言23
• 3.2 系統(tǒng)整體框架設(shè)計(jì)23-24
• 3.3 客戶端系統(tǒng)設(shè)計(jì)24-28
• 3.3.1 輸入界面設(shè)計(jì)25-26
• 3.3.2 通信模塊設(shè)計(jì)26-28
• 3.3.3 離線識別引擎28
• 3.4 云端系統(tǒng)設(shè)計(jì)28-30
• 3.5 系統(tǒng)交互設(shè)計(jì)30-34
• 3.5.1 在線狀態(tài)下第一次書寫交互30-32
• 3.5.2 在線狀態(tài)下同一事務(wù)中編輯交互32-33
• 3.5.3 在線狀態(tài)下點(diǎn)擊OK提交文本交互33
• 3.5.4 離線狀態(tài)下書寫交互33-34
• 3.6 本章小結(jié)34-35
• 第4章 基于云平臺的連續(xù)手寫識別系統(tǒng)的實(shí)現(xiàn)35-45
• 4.1 引言35
• 4.2 客戶端系統(tǒng)的實(shí)現(xiàn)35-37
• 4.2.1 手寫序列的多級呈現(xiàn)35-37
• 4.2.2 雙識別引擎的實(shí)現(xiàn)37
• 4.3 云端服務(wù)器系統(tǒng)的實(shí)現(xiàn)37-44
• 4.3.1 負(fù)載均衡節(jié)點(diǎn)的搭建37-40
• 4.3.2 單字識別模塊的實(shí)現(xiàn)40-41
• 4.3.3 后處理模塊的實(shí)現(xiàn)41-42
• 4.3.4 手寫數(shù)據(jù)存儲的實(shí)現(xiàn)42-44
• 4.4 本章小結(jié)44-45
• 第5章 系統(tǒng)評測對比實(shí)驗(yàn)45-61
• 5.1 實(shí)驗(yàn)環(huán)境45-46
• 5.2 識別性能對比實(shí)驗(yàn)46-51
• 5.2.1 實(shí)驗(yàn)數(shù)據(jù)46-47
• 5.2.2 識別準(zhǔn)確率對比評測47-50
• 5.2.3 效率對比評測50-51
• 5.3 負(fù)載壓力測試實(shí)驗(yàn)51-57
• 5.3.1 低負(fù)載訪問評測52-54
• 5.3.2 高負(fù)載訪問評測54-55
• 5.3.3 不同負(fù)載訪問評測55-57
• 5.4 系統(tǒng)兼容性對比實(shí)驗(yàn)57-60
• 5.5 本章小結(jié)60-61
• 結(jié)論61-63
• 參考文獻(xiàn)63-67
• 讀碩士學(xué)位期間發(fā)表的論文及其它成果67-69
• 致謝69

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 趙明;手寫印刷體漢字識別方法綜述[J];計(jì)算機(jī)研究與發(fā)展;1993年04期

2 張國兵;李淼;;一種基于局部歧義詞網(wǎng)格的快速分詞算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年12期

3 孫志軍;薛磊;許陽明;王正;;深度學(xué)習(xí)研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2012年08期

4 董人菘;王華;張曉鐘;余正濤;張濤;;依存句法語言模型對短語統(tǒng)計(jì)機(jī)器翻譯性能的影響[J];計(jì)算機(jī)科學(xué);2014年02期

5 羅軍舟;金嘉暉;宋愛波;東方;;云計(jì)算:體系架構(gòu)與關(guān)鍵技術(shù)[J];通信學(xué)報(bào);2011年07期

6 石大明,朱航,唐降龍,舒文豪;利用統(tǒng)計(jì)特征和結(jié)構(gòu)特征識別手寫漢字的方法[J];黑龍江自動(dòng)化技術(shù)與應(yīng)用;1996年04期

  本文關(guān)鍵詞：基于云平臺的連續(xù)手寫識別系統(tǒng)，由筆耕文化傳播整理發(fā)布。

，

本文編號：368517