[发明专利]一种基于最大熵的文字识别方法和识别装置

权利要求书

1.一种基于最大熵的文字识别方法，其特征在于，包括：

A1，将训练样本输入到各个识别引擎中进行特征提取，获得特性信息；

A2，依据所述特征信息构建最大熵训练模型；

A3，针对用户输入的手写轨迹，逐个选取单一识别引擎进行识别，将识别得到的特征信息输入到最大熵训练模型中，由最大熵训练模型输出判定结果；

其中，当单一识别引擎对应的判定结果满足预置判定值时，停止下一识别引擎的识别，将当前识别引擎对应的识别结果输出；当单个识别引擎对应的判定结果均不满足预置判定值时，对多个识别引擎的识别结果共同决策进行输出。

2.如权利要求1所述的方法，其特征在于，

所述特征信息为：第一候选字的编码、识别距离、第一候选字是否正确的判定。

3.如权利要求1所述的方法，其特征在于，

所述判定结果代表了在该识别引擎中，与特征信息相对应的第一候选字正确的概率大小。

4.如权利要求1所述的方法，其特征在于，

所述识别引擎包括：无笔顺识别引擎和连笔识别引擎。

5.如权利要求4所述的方法，其特征在于，所述步骤A3包括：

针对用户输入的手写轨迹，选取无笔顺识别引擎进行识别，并将识别得到的特征信息输入到最大熵训练模型中，由最大熵训练模型输出判定结果；

判断无笔顺识别引擎对应的判定结果是否满足预置判定值；若是，则停止识别，将无笔顺识别引擎对应的识别结果输出；若否，则选取连笔识别引擎进行识别，并将识别得到的特征信息输入到最大熵训练模型中，由最大熵训练模型输出判定结果；

判断连笔识别引擎对应的判定结果是否满足预置判定值；若是，则停止识别，将连笔识别引擎对应的识别结果输出；若否，则由无笔顺识别引擎和连笔识别引擎的识别结果共同决策进行输出。

6.一种基于最大熵的文字识别装置，其特征在于，包括：

特征提取单元，用于将训练样本输入到各个识别引擎中进行特征提取，获得特性信息；

模型训练单元，用于依据所述特征信息构建最大熵训练模型；

多个识别引擎，用于针对用户输入的手写轨迹进行识别；

引擎控制单元，用于逐个选择触发单一识别引擎进行识别操作，以及将识别引擎识别到的特征信息输入到模型训练单元中，由最大熵训练模型输出判定结果；其中，当单一识别引擎对应的判定结果满足预置判定值时，停止触发下一识别引擎，并触发识别输出单元将当前识别引擎对应的识别结果输出；当单个识别引擎对应的判定结果均不满足预置判定值时，触发识别输出单元对多个识别引擎的识别结果共同决策进行输出；

识别输出单元，用于输出识别结果。

7.如权利要求6所述的装置，其特征在于，

所述特征信息为：第一候选字的编码、识别距离、第一候选字是否正确的判定。

8.如权利要求6所述的装置，其特征在于，

所述判定结果代表了在当前识别引擎中，与特征信息相对应的第一候选字正确的概率大小。

9.如权利要求6所述的装置，其特征在于，

所述识别引擎包括：无笔顺识别引擎和连笔识别引擎。

10.如权利要求9所述的装置，其特征在于，所述引擎控制单元包括：

选择子单元，用于针对用户输入的手写轨迹，逐个选择触发无笔顺识别引擎和连笔识别引擎进行识别操作；

训练子单元，用于将识别得到的特征信息输入到最大熵训练模型中，由最大熵训练模型输出判定结果；

判断子单元，用于判断无笔顺识别引擎对应的判定结果是否满足预置判定值，若是，则停止选择子单元，触发识别输出单元将无笔顺识别引擎对应的识别结果输出；若否，则判断连笔识别引擎对应的判定结果是否满足预置判定值，若是，则触发识别输出单元将连笔识别引擎对应的识别结果输出，若否，则触发识别输出单元对无笔顺识别引擎和连笔识别引擎的识别结果共同决策进行输出。