[发明专利]手写输入识别方法和用户设备

说明书

技术领域

本发明涉及一种计算机领域，尤其是涉及一种手写输入方法和用户设备。

背景技术

当今社会科技发展迅速，互联网渐渐普及，人们可以不受时间空间限制地获得各种各样的信息，而为了能更高效地利用信息、并从信息中获得更多有价值的东西，人们发明了很多方法，其中，属于人工智能新生范畴的机器学习得以迅速发展。运用机器学习时，学习者不需要任何推理或了解掌握其他知识，只需直接收集大量的信息，并使用已构建好的程序便可实现。

机器学习涉及计算机、工程技术和统计原理等在内的诸多学科，应用也十分广泛，无论是经济、医学还是政治或是其它一些领域，它都可作为工具应用于生活实践。在这个信息爆炸的时代，随着科学的发展人们将面临越来越多的数据，而机器学习可以帮我们拨开重重迷雾，去筛选出较为有用的信息。而机器学习算法很多，每种算法都有它的局限性与优点。

随着智能终端的普及，手写输入越来越成为用户频繁使用的输入法，而手写输入内容的识别主要依赖于机器学习算法，因此，如何更好地利用机器学习算法实现手写输入内容的识别成为亟待解决的技术问题。

发明内容

本发明提供了一种手写输入识别方法和用户设备，能够更好地利用机器学习算法实现手写输入内容的识别。

第一方面，提供了一种手写输入识别方法。该手写输入识别方法包括：在用户设备处于手写输入模式时，接收用户通过用户设备输入的手势；根据手势从第一机器学习算法和第二机器学习算法中选择一种机器学习算法；根据选择的机器学习算法进行手写输入内容的识别。

在某些实施例中，第一机器学习算法为K近邻KNN分类算法，第二机器学习算法为决策树分类算法。

在某些实施例中，根据手势从第一机器学习算法和第二机器学习算法中选择一种机器学习算法，包括：确定手写输入内容是否为容易出现书写不规范或书写异常的内容；在确定手写输入内容为容易书写不规范或书写异常的内容时，选择KNN分类算法，否则选择决策树分类算法。

在某些实施例中，容易出现书写不规范或书写异常的内容为数字或字母。

在某些实施例中，第一方面的方法还包括：预先对用户手写输入内容的样本进行学习，得到容易出现书写不规范或书写异常的内容；其中，确定手写输入内容是否为不规范或书写异常的内容，包括：在手写输入内容与预先学习得到的容易出现书写不规范和书写异常的内容的匹配度大于预设的阈值时，确定手写输入内容为容易出现书写不规范或书写异常的内容。

在某些实施例中，第一方面的方法还包括：接收用户预先设置的容易出现书写不规范或书写异常的内容；其中，确定手写输入内容是否为不规范或书写异常的内容，包括：在手写输入内容与预先设置的容易出现书写不规范和书写异常的内容的匹配度大于预设的阈值时，确定手写输入内容为容易出现书写不规范或书写异常的内容。

在某些实施例中，容易出现书写不规范或书写异常的内容为2、4、5、9、 g、z和s之一。

第二方面，提供了一种用户设备，包括：接收模块，用于在用户设备处于手写输入模式时，接收用户通过用户设备输入的手势；选择模块，用于根据手势从第一机器学习算法和第二机器学习算法中选择一种机器学习算法；识别模块，用于根据选择的机器学习算法进行手写输入内容的识别。

在某些实施例中，第一机器学习算法为K近邻KNN分类算法，第二机器学习算法为决策树分类算法。

在某些实施例中，选择模块确定手写输入内容是否为容易出现书写不规范或书写异常的内容，并在确定手写输入内容为容易书写不规范或书写异常的内容时，选择KNN分类算法，否则选择决策树分类算法。

基于本发明的实施例的技术方案，在进行手写输入识别时，会根据用户输入的手势从不同的机器学习算法中选择合适的算法进行手写输入的识别，从而能够更好地利用机器学习算法实现手写输入内容的识别。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是根据本发明的一实施例的手写输入识别方法的示意性流程图；

图2是根据本发明的另一实施例的手写输入识别方法的示意性流程图；

图3是根据本发明的实施例的一种用户设备的结构示意图。

具体实施方式

图1是根据本发明的一实施例的手写输入识别方法的示意性流程图。图1的方法可以由用户设备执行。图1的方法包括如下内容。