[发明专利]一种基于矩阵运算的相似汉字提取方法

权利要求书

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I_m×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I_X；

Step2：记Y_i,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Y_i的相似度Sim(X,Y_i),i∈[1,20902]；

Step2.1：从汉字矩阵数据库中获取汉字Y_i及对应的汉字矩阵

Step2.2：生成大小为m×n的零矩阵Z_m×n；

Step2.3：将汉字矩阵置于零矩阵Z_m×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Z_m×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I_X与矩阵进行公式(1)所示计算，得到相似度组Simt₁,Simt₂,…,Simt_2m+2n+2；

其中，表示矩阵I_X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、Y_i的字形相似度Sim(X,Y_i)计算如公式(2)所示，即汉字X、Y_i的字形相似度Sim(X,Y_i)为Step2.5中得到的相似度组Simt₁,Simt₂,…,Simt_2m+2n+2中的最大值；

Sim(X,Y_i)＝Max(Simt₁,Simt₂,…,Simt_2m+2n+2),i∈[1,20902] (2)

Step3：将Sim(X,Y_i),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I_m×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，Y_i为遍历汉字矩阵数据库得到的汉字，Sim(X,Y_i)为参考汉字X与汉字Y_i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,Y_i),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,Y_i),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。