1.一种基于矩阵运算的相似汉字提取方法,其特征在于:
Step0:提取汉字矩阵并建立汉字矩阵数据库;根据m×n像素中文点阵字库,生成大小为m×n的汉字矩阵Im×n,将所有汉字及生成的汉字矩阵存入数据库,组建汉字矩阵数据库;
Step1:记X为将要提取相似汉字的参考汉字,从汉字矩阵数据库中获取汉字X所对应的汉字矩阵IX;
Step2:记Yi,i∈[1,20902]为汉字矩阵数据库中的一个汉字,依照Step2.1~Step2.6所示计算方法得到参考汉字X与汉字Yi的相似度Sim(X,Yi),i∈[1,20902];
Step2.1:从汉字矩阵数据库中获取汉字Yi及对应的汉字矩阵
Step2.2:生成大小为m×n的零矩阵Zm×n;
Step2.3:将汉字矩阵 置于零矩阵Zm×n上方并向下平移,每平移一行生成新矩阵,共生成2m+1个矩阵,具体为Step2.4:将汉字矩阵 置于零矩阵Zm×n左方并向右平移,每平移一列生成新矩阵,共生成2n+1个矩阵,具体为Step2.5:将汉字矩阵IX与矩阵 进行公式(1)所示计算,得到相似度组Simt1,Simt2,…,Simt2m+2n+2;
其中, 表示矩阵IX和 相减并取绝对值后的新矩阵; 表示新矩阵
中所有元素相加的结果;
Step2.6:汉字X、Yi的字形相似度Sim(X,Yi)计算如公式(2)所示,即汉字X、Yi的字形相似度Sim(X,Yi)为Step2.5中得到的相似度组Simt1,Simt2,…,Simt2m+2n+2中的最大值;
Sim(X,Yi)=Max(Simt1,Simt2,…,Simt2m+2n+2),i∈[1,20902] (2)Step3:将Sim(X,Yi),i∈[1,20902]从高至低排序,提取出前N个相似度最高的汉字作为参考汉字X的相似汉字并输出。
2.根据权利要求1所述的基于矩阵运算的相似汉字提取方法,其特征在于:所述步骤Step0中,m×n像素中文点阵共有mn个像素点;汉字矩阵Im×n中的元素值I(i,j),i∈[1,m],j∈[1,n]由汉字所在中文点阵中的像素决定,即在中文点阵的(i,j)位置若存在汉字痕迹,则I(i,j)=1,否则I(i,j)=0。
3.根据权利要求1所述的基于矩阵运算的相似汉字提取方法,其特征在于:所述步骤Step2中,Yi为遍历汉字矩阵数据库得到的汉字,Sim(X,Yi)为参考汉字X与汉字Yi的相似度;
经步骤Step2后可以得到参考汉字X与所有汉字的相似度,共计20902个相似度,即Sim(X,Yi),i∈[1,20902]。
4.根据权利要求1所述的基于矩阵运算的相似汉字提取方法,其特征在于:所述步骤Step3中,N为所提取出相似汉字的个数,由用户决定,默认为10;在将Sim(X,Yi),i∈[1,
20902]从高至低排序时,若存在相同相似度的多个汉字,则并联输出。