具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例作进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
实施例1
本发明实施例提供一种英文输入方法,如图1所示,该方法包括:
步骤101,接收用户通过触摸屏输入的英文字母;
步骤102,利用主成分分析法对输入的英文字母进行识别,以识别出输入的英文字母;
步骤103,将识别出的英文字母进行显示。
由上述实施例可知,通过利用主成分分析法(PCA)对输入的英文字母进行识别,可提高识别率、稳定性和识别速度,节省时间,给用户使用带来很大的便利。
实施例2
本发明实施例提供一种英文输入方法,如图2所示,该方法包括:
步骤201,接收用户通过触摸屏输入的英文字母;
步骤202,利用主成分分析法对输入的英文字母进行识别,以识别出输入的英文字母;
步骤203,将与识别出的英文字母相关联的英文单词进行显示;
其中,可按预设的顺序,例如,字典顺序,显示与该识别出的英文字母相关联的英文单词,以使用户根据显示的英文单词选择需要的英文单词,并将最终选择的英文单词显示在触摸屏上。
由上述实施例可知,通过利用主成分分析法对输入的英文字母进行识别,可提高识别率、稳定性和识别速度;另外,将与识别出的英文字母相关联的英文单词进行显示,可减少输入次数,节省输入时间,给用户使用带来很大的便利。
实施例3
本发明实施例提供一种英文输入方法,如图3所示,该方法包括:
步骤301,接收用户通过触摸屏连续输入的英文字母;
步骤302,利用主成分分析法分别对输入的每个英文字母进行识别,以识别出连续输入的英文字母;
步骤303,将识别出的英文字母组成单词;
步骤304,将组成的单词进行显示。
在本实施例中,在步骤302之前,还可包括:判断是否接收完用户连续输入的英文字母,即判断用户是否输入完英文单词;若接收完用户连续输入的英文字母,则执行步骤302,否则回到步骤301继续接收用户通过触摸屏连续输入的英文字母。
其中,可采用如下方式进行判断是否接收完用户连续输入的英文字母:可根据接收的单个英文字母的时间间隔来判断是否接收完整个英文单词,若连续输入两个单个英文字母之间的时间间隔未超过预设值,则可判断用户还未输入完成该英文单词,这时可执行步骤301;若时间间隔达到或超过预设值,则可判断用户输入完成该英文单词,这时,可执行步骤302。
由上述实施例可知,用户通过手写笔在触摸屏上输入英文单词,即连续输入多个英文字母,并利用主成分分析法(PCA)分别对每个英文字母进行识别,并将识别出的英文字母组成单词进行显示,因此,通过使用主成分分析法PCA可快速对连续输入的英文字母进行识别,解决了现有技术中无法对连续输入的英文字母进行识别的问题;并且识别速度快、识别率高。
实施例4
本发明实施例提供一种英文输入方法,如图4所示,该方法包括:
步骤401,接收用户通过触摸屏连续输入的英文字母;
步骤402,利用主成分分析法分别对输入的每个英文字母进行识别,以识别出连续输入的英文字母;
步骤403,将识别出的英文字母组成单词;
步骤404,将与组成的英文单词相关联的词组进行显示,这样,使得用户可根据显示的关联词组选择需要的词组,并将最终选择的词组显示在触摸屏上。
在本实施例中,在步骤402之前,还可包括:判断是否接收完用户连续输入的英文字母,即判断用户是否输入完英文单词;若接收完用户连续输入的英文字母,则执行步骤402,否则回到步骤401继续接收用户通过触摸屏连续输入的英文字母。具体的判断方法如实施例3所述,此处不再赘述。
由上述实施例可知,用户通过手写笔在触摸屏上输入英文单词,并利用主成分分析法(PCA)分别对每个英文字母的识别,并将识别出的英文字母组成单词,并将与该英文单词相关联的词组进行显示,因此,通过使用主成分分析法PCA可快速对连续输入的英文字母进行识别,解决了现有技术中无法对连续输入的英文字母进行识别的问题;并且识别速度快、识别率高;并且通过上述方法使得用户不需逐一输入字母即可获得想要的单词或词组。
实施例5
本发明实施例提供一种英文输入方法,在实施例1至4的基础上,对实施例1至4中步骤102、202、302、402中的利用主成分分析法对输入的英文字母进行识别,以识别出输入的英文字母进行详细说明。
如图5所示,利用主成分分析法对输入的英文字母进行识别,包括:
步骤501,利用主成分分析法对输入的该英文字母进行特征提取,以获得该英文字母的特征向量;
步骤502,在预存的特征向量中查找与获得的该英文字母的特征向量相似度最大的预存的特征向量;
步骤503,将查找到的相似度最大的预存的特征向量对应的英文字母识别为输入的该英文字母。
由上述可知,通过主成分分析法PCA获得输入的英文字母的特征向量,在预存的特征向量中找到与获得的特征向量的相似度最大的预存特征向量,将该相似度最大的特征向量对应的英文字母识别为输入的该英文字母。
在本实施例中,图5中的步骤501可采用如下方式实现,如图6所示,该利用该主成分分析法对输入的该英文字母进行特征提取,以获得该英文字母的特征向量,包括:
步骤601,根据用户输入英文字母时在触摸屏上感应的压力值获得字母图像矩阵;
步骤602,将该字母图像矩阵按行展开成一维向量;
步骤603,利用PCA法计算一维向量在获得的特征投影轴中的特征向量,以获得输入的英文字母的特征向量。
在本实施例中,图5中的步骤502可采用如下方式实现,如图7所示,在预存的特征向量中查找与获得的该英文字母的特征向量相似度最大的预存的特征向量,包括:
步骤701,计算获得的该英文字母的特征向量与预存的特征向量的欧式距离;
步骤702,确定该欧式距离最小时所使用的预存的特征向量为与获得的该英文字母的特征向量相似度最大的预存的特征向量。
在上述实施例中,在对输入的英文字母进行识别之前,可先预存特征向量,可通过识别学习过程获得。例如,当用户第一次使用其手机时,该手机可提示该用户进行英文字母的识别学习,例如,从字母a到字母z,每个字母写10遍。这样,可针对该用户的写法习惯获得相应字母的特征向量,并将获得的特征向量进行储存。
如图8所示,获得预存的特征向量,包括:
步骤801,利用主成分分析法对26个英文字母进行学习,以获得26个英文字母的特征向量;
步骤802,保存学习到的该英文字母对应的特征向量,以获得预存的特征向量。
在本实施例中,图8中的步骤801可采用如下方式实现,如图9所示,利用主成分分析法对26个英文字母进行学习,以获得该26个英文字母的特征向量,包括:
步骤901,采集用户根据预设的输入次数N、待学习的英文字母的类别数,以及每个类别的样本向量数输入的待学习的英文字母时在触摸屏上感应的压力值;
步骤902,根据该压力值获得输入次数N个字母训练样本矩阵;
步骤903,利用PCA法对该字母训练样本矩阵进行统计特征提取,以获得待学习的英文字母的特征向量。
在本实施例中,图9中的步骤902可采用如下方式实现,如图10所示,根据该压力值获得输入次数N个字母训练样本矩阵,包括:
步骤1001,根据用户输入英文字母时在触摸屏上感应的压力值获得输入次数N个字母图像训练样本集,该字母图像训练样本集表示为:
f1(M,L)},f2(M,L),…fi(M,L),…,fN(M,L);其中,fi(M,L)表示第i个字母图像样本,为M×L矩阵,1≤i≤N,M,L为自然数;
步骤1002,将每个字母图像训练样本按行展开,以获得输入次数N个包含M×L个样本值的一维向量,该样本值与用户输入英文字母时在触摸屏上感应的压力值相关;
步骤1003,将获得的输入次数N个一维向量组成字母训练样本矩阵,该字母训练样本矩阵表示为X=(xij)N×ML。
在本实施例中,在步骤903中,利用PCA法对该字母训练样本矩阵进行统计特征提取,以获得待学习的英文字母的特征向量,可采用如下方式:
对该字母训练样本矩阵进行主成分分析计算出N-1个特征投影轴Wopt并按照总体协方差矩阵的特征值从大到小排列相应特征投影轴Wopt;将字母训练样本矩阵在该特征投影轴上投影获得投影后的特征向量;根据该字母训练样本的类别先验信息计算该英文字母的中心特征向量,以获得待学习的英文字母的特征向量。
例如,利用主成分分析法对26个英文字母进行学习,以获得该26个英文字母的特征向量,步骤如下:
1)预设类别先验信息:待学习的英文字母的类别数为26(不同的字母对应不同的类别),每个类别的样本向量数10,输入英文字母的次数为N=260次,每个英文字母各输入10次。
2)采集用户根据类别先验信息输入待学习的英文字母时在触摸屏上感应的压力值。
3)根据该压力值获得输入次数N个字母训练样本矩阵,即N=260个字母训练样本图像集{x1,x2,…,xN},其具体步骤如图11所述。
4)利用PCA法对该字母训练样本矩阵进行统计特征提取,以获得待学习的英文字母的特征向量;其中,
首先,计算出N-1个特征投影轴并按照总体协方差矩阵的特征值从大到小排列相应特征投影轴Wopt;其次,在特征投影轴Wopt上投影后得到的每个类别字母的10个特征向量;最后将这10个特征向量取平均值得到每个字母的特征向量。
其中,计算特征投影轴Wopt可采用如下方式:
对于N=260个字母训练样本图像集{x1,x2,…,xN},每个样本是n维图像空间中的一点,这些样本图像属于C=26类{X1,X2,…,Xc};
进行线性变换:将原始的n维图像空间映射到m维的特征空间且有m<n,变换后的特征向量{y1,y2,…,yN},其中,yk=WTxk k=1,2,…,N,W∈Rn×m是单位正交矩阵;其中,对于每个类别的字母,线性变换后的特征向量为10个,每个特征向量的维数为m,其中,m为字母训练样本图像集构成的矩阵的非零特征值的个数。
设总体散布矩阵sT为: 其中,
u∈Rn是整个样本图像的均值,在应用了线性变换WT后,变换后特征向量的值{y1,y2,…,yN}是由WTSTW来决定的。对于PCA,投影坐标轴Wopt使得样本特征空间的方差最大化,即 是对应sT的前m个最大特征值的n维特征向量,PCA方法在一定程度上提取的是图像最佳描述特征。
由上述实施例可知,用户可利用主成分分析法(PCA)预先对英文字母进行识别学习,并将学习到的英文字母对应的特征向量进行保存;当用户输入英文字母时,移动通信终端可采用主成分分析法对输入的英文字母进行分析,获得该英文字母对应的特征向量,找到与获得的特征向量相似度最大的预存的特征向量,将找到的预存的特征向量对应的英文字母作为识别出的英文字母,通过采用上述方法,可最大程度上保证识别的稳定性,提高了识别率。
实施例6
以下结合附图、以移动通信终端为手机为例对本发明的英文输入方法进行详细说明。
下面以学习英文字母,且对输入的英文字母进行显示为例进行说明。
如图11所示,该方法包括:
步骤1101,在用户第一次使用手机进行英文输入时,手机提示用户进行英文字母的识别学习,以获得英文字母对应的特征向量;
其中,为例说明该方法,以学习三类英文字母l、m、n,为例对该步骤进行详细说明:
1)提示用户输入英文字母l、m、n;
可预设输入英文字母的次数N,类别数、以及每个类别的样本向量的数量,其中,N为自然数,可根据需要进行设定,例如,N=10;l、m、n,类别数为3,每个类别的样本向量的数量预设为3、3、4,这样,输入英文字母“l”3次,输入英文字母“m”3次,输入英文字母“n”4次。
2)用户在预设的识别单元格中输入3次英文字母l、3次英文字母“m”和4次英文字母“n”;在用户输入英文字母l、m、n时,该移动通信终端采集用户输入3次英文字母“l”、3次英文字母“m”、以及4次英文字母“n”时在触摸屏上感应的压力值;例如,该识别单元格可为M×L的点阵,其中,M可以与L相等,在本实施例中,如M=L=5,如图12a所示,在该识别单元格中写入字母l;其他字母同理,此处不再赘述。
3)根据该压力值获得输入次数N=10的字母图像训练样本集,该字母图像训练样本集表示为:f1(5,5)},f2(5,5),…fi(5,5),…,f10(5,5);在本实施例中,fi(5,5)表示第i个字母图像样本,为5×5矩阵;
其中,可采用如下方式进行处理:根据采集到的压力值的大小对识别单元格中感测到压力之处赋值,例如,将感测到压力之处赋给值“1”,将没感测到压力之处赋给值“0”,这样,可获得输入次数N个字母训练样本矩阵(其中3个属于字母“l”,3个属于“m”,4个属于字母“n”);其中,可根据感测到的压力的大小赋给不同的值,例如,压力大赋给的值也最大,如按照1到n的顺序递增;如图12b所示为输入1次英文字母l所获得的字母训练样本矩阵;其他类似,此处不再赘述;
通过上述方式可得到输入N=10次、三类英文字母所对应的字母图像训练样本集;
4)将每个字母图像训练样本按行展开,以获得输入次数N=10个包含M×L,即10×5×5个样本值的一维向量,该样本值与用户输入英文字母时在触摸屏上感应的压力值相关;
在本实施例中,可获得10个包含25个样本值的一维向量;
例如,将图12a所示的字母图像训练样本展开后获得的一维向量可表示为:
{0,0,1,0,0,0,0,2,0,0,0,0,3,0,0,0,0,4,0,0,0,0,5,1,0};
5)将获得的输入次数N=10个一维向量组成字母训练样本集,该字母训练样本集表示为X=(xij)10×25;
6)依据PCA法计算出N-1=9个特征投影轴并按照总体协方差矩阵的特征值从大到小排序相应的特征投影轴Wopt;
7)将字母训练样本集X=(x1,x2,…x10)在Wopt上投影,得到特征向量
例如,设总体散布矩阵表示为:
λw=Sw (5.2)
其中,N表示样本的总个数,是所有样本的均值。把特征值按降序排列,λi≥λi+1,选择对应前m(通常m<n)个非零特征值的特征向量作为主元。因此原空间的样本就可以用在低维主元子空间上的投影系数ai来描述,见公式(5.3)。
8)根据训练样本的类别先验信息计算第j类(即英文字母)的平均中心特征向量 其中,Nj为第j类训练样本的个数,在本实施例中,对于字母“l”Nj为3,对于字母“m”,Nj为3,对于字母“n”,Nj为4;
例如,字母“l”的3次投影后的特征向量分别为:(1,2,0),(1,1,0)和(1,1,0),则其平均特征向量,即要存储到手机中的“l”的特征向量为:((1,2,0)+(1,1,0)+(1,1,0))/3=(1.0,1.3,0);其他字母类似,此处不再赘述。
9)将获得中心特征向量进行保存,从而学习到该英文字母的特征向量;
这样,通过上述步骤,在用户第一次使用手机进行英文输入时,手机提示用户进行英文字母的识别学习,以获得所有英文字母对应的特征向量,该英文字母包括大写和小写的英文字母。
在学习完英文字母后,当用户进行英文输入时,该移动通信终端可利用PCA法进行识别,具体方式如下:
步骤1102,接收用户通过触摸屏输入的英文字母;
其中,例如,接收用户输入的英文字母l。
步骤1103,利用主成分分析法对输入的英文字母进行识别,以识别出输入的英文字母l;
1)根据用户输入英文字母l时在触摸屏上感应的压力值获得字母样本矩阵;
其中,该矩阵类型图12b所示的矩阵。
2)将该字母样本矩阵按行展开成一维向量;
其中,该一维向量与步骤1101中的“4”类似,此处不再赘述。
3)利用主成分分析法PCA对展开的一维向量进行特征提取,以获得输入的该英文字母l的特征向量;
其中,利用主成分分析法PCA对展开的一维向量进行特征提取,可采用如下方式:计算一维向量在获得的特征投影轴Wopt中的特征向量,y=Wopt Tz,从而可获得输入的英文字母l的特征向量。
4)在预存的特征向量中查找与获得的该英文字母的特征向量相似度最大的预存的特征向量;
其中,可采用如下方式:
首先,计算获得的该英文字母l的特征向量与预存的特征向量的欧式距离;
其中,欧式距离表示为: 其中j,l∈(1,2,…,c),‖·‖表示特征空间的欧几里德距离,C表示总共的类别数,C=26。
然后,确定该欧式距离最小时所使用的预存的特征向量为与获得的该英文字母l的特征向量相似度最大的预存的特征向量。
5)将查找到的相似度最大的预存的特征向量对应的英文字母识别为输入的该英文字母。
步骤1104,将识别出的英文字母进行显示、或者将与识别出的英文字母相关联的英文单词进行显示。
由上述实施例可知,用户可利用主成分分析法(PCA)预先对英文字母进行识别学习,并将学习到的英文字母对应的特征向量进行保存;当用户输入英文字母时,移动通信终端可采用主成分分析法对输入的英文字母进行分析,获得该英文字母对应的特征向量,找到与获得的特征向量相似度最大的预存的特征向量,将找到的预存的特征向量对应的英文字母作为识别出的英文字母,通过采用上述方法,可最大程度上保证识别的稳定性,提高了识别率。
实施例7
下面以学习英文字母,且对输入的英文单词进行显示为例进行说明。
如图13所示,该方法包括:
步骤1301,在用户第一次使用手机进行英文输入时,手机提示用户进行英文字母的识别学习,以获得英文字母对应的特征向量;
其中,学习过程如实施例5的步骤1101所述,此处不再赘述。
在学习完英文字母后,当用户进行英文单词输入,即连续输入英文字母时,该移动通信终端可利用PCA法进行识别,具体方式如下:
步骤1302,接收用户通过触摸屏连续输入的英文字母;
其中,例如,接收用户输入的英文单词word。
步骤1303,判断用户是否输入完整个单词word;若输入完成则执行步骤1304,否则回到步骤1302,继续接收用户连续输入的英文字母;
其中,可根据输入两个英文字母之间的时间间隔判断是否完整该单词,其中,若时间间隔大于预设值时,可判断为输入完成。
步骤1304,在步骤1303中,若判断结果为是,则利用主成分分析法分别对输入的每个英文字母进行识别,以识别出输入的英文字母l;其中,对每个英文字母的识别过程如实施例5所述,此处不再赘述。
步骤1305,将识别出的英文字母进行组合,成为英文单词。
步骤1106,将识别出的英文单词进行显示、或者将与识别出的英文单词相关联的英文词组进行显示。
由上述实施例可知,用户可利用主成分分析法(PCA)预先对英文字母进行识别学习,并将学习到的英文字母对应的特征向量进行保存;当用户输入英文单词时,移动通信终端可采用主成分分析法对输入的英文字母进行分析,识别出每个英文字母,然后将英文字母组合成英文单词进行显示,通过采用上述方法,可最大程度上保证识别的稳定性,提高了识别率。
实施例8
本发明实施例提供一种移动通信终端,包括触摸屏1401,如图14所示,该移动通信终端还包括第一接收单元1402、第一识别单元1403和第一显示单元1404:其中,
第一接收单元1401,用于接收用户通过触摸屏输入的英文字母;第一识别单元1402,用于利用主成分分析法对该接收单元接收到的英文字母进行识别,以识别出输入的该英文字母;第一显示单元1403,用于将该第一识别单元识别出的该英文字母进行显示。
在本实施例中,该第一显示单元1403可使用该触摸屏1401。该触摸屏可供用户利用手写笔写入英文字母。
在本实施例中,该第一识别单元1403所采用的识别方式如实施例5所述,此处不再赘述。
由上述实施例可知,通过利用主成分分析法对输入的英文字母进行识别,可提高识别率、稳定性和识别速度,节省时间,给用户使用带来很大的便利。
实施例9
本发明实施例提供一种移动通信终端,在实施例8的基础上,如图15所示,除了包括触摸屏1401,第一接收单元1402、第一识别单元1403和第一显示单元1404外,该移动通信终端还包括第一匹配单元1501,用于在预存的英文单词中找到与该第一识别单元1403识别出的英文字母相关联的英文单词;并且该第一显示单元1404还用于将该英文单词进行显示。
其中,该英文单词可预先储存在该移动通信终端的存储单元1502中。
图16是图15中第一识别单元1403构成示意图,该第一识别单元1403包括:特征向量获取单元1601、特征向量查找单元1602和字母确定单元1603;其中,
特征向量获取单元1601,用于利用主成分分析法对输入的该英文字母进行特征提取,以获得该英文字母的特征向量;其中,该提取特征的过程如实施例5所述,此处不再赘述;
特征向量查找单元1602,与该向量获取单元1601连接,用于在预存的特征向量中查找与获得的该英文字母的特征向量相似度最大的预存的特征向量;其中,查找相似度最大的预存的特征向量的具体方法如实施例5所述,此处不再赘述;
字母确定单元1603,与该向量查找单元1602连接,用于将查找到的相似度最大的预存的特征向量对应的英文字母识别为输入的该英文字母。
图17是图16中特征向量获取单元1601的构成示意图。如图17所述,特征向量获取单元1601包括第一矩阵获取单元1701、矩阵处理单元1702、第一向量获取单元;其中,
第一矩阵获取单元1701,用于根据用户输入英文字母时在触摸屏上感应的压力值获得字母样本矩阵;矩阵处理单元1702,与第一矩阵获取单元1701连接,用于将该字母样本矩阵按行展开成一维向量;第一向量获取单元1703,与矩阵处理单元1702连接,用于利用主成分分析法对所述字母训练样本矩阵进行统计特征提取,以获得输入的所述英文字母的特征向量。其中,第一矩阵获取单元1701获取字母样本矩阵的获取方法、矩阵处理单元1702对字母样本矩阵展开方法、以及第一向量获取单元1703的统计特征提取方法如实施例5所述,此处不再赘述
图18是图16中特征向量查找单元的构成示意图。如图18所示,特征向量查找单元1602包括距离计算单元1801、向量确定单元1802:其中,
距离计算单元1801,用于计算获得的所述英文字母的特征向量与预存的特征向量的欧式距离;向量确定单元1802,与距离计算单元1801连接,用于确定该欧式距离最小时所使用的预存的特征向量为与获得的该英文字母的特征向量相似度最大的预存的特征向量。其中,欧式距离的计算方法如实施例5所述,此处不再赘述。
在本实施例中,移动通信终端对输入的英文字母进行识别所使用的预存的特征向量需要预先学习。这样,如图15所述,该移动通信终端还包括学习单元1503;其中,学习单元1503,用于利用主成分分析法对英文字母进行学习,以获得所述英文字母的特征向量;并且存储单元1502还用于保存学习单元1503学习到的英文字母对应的特征向量,以获得预存的特征向量。其中,学习单元1503的学习过程如实施例5所述,此处不再赘述。
图19是图15中学习单元1503的构成示意图。如图19所示,学习单元1503包括压力采集单元1901、第二矩阵获取单元1902和第二向量获取单元1903;其中,
压力采集单元1901,用于采集用户根据预设的输入次数N、预设的待学习的英文字母的类别数和每个类别的样本向量数输入的待学习的英文字母时在触摸屏上感应的压力值;第二矩阵获取单元1902,用于根据压力采集单元1901采集的压力值获得输入次数N个字母训练样本矩阵;第二向量获取单元1903,用于利用主成分分析法对第二矩阵获取单元1902获取的字母训练样本矩阵进行统计特征提取,以获得待学习的英文字母的特征向量。其中,压力采集单元1901、第二矩阵获取单元1902和第二向量获取单元1903采集压力、获得字母训练样本矩阵、统计特征提取的方法如实施例5所述,此处不再赘述。
图20是图19中第二矩阵获取单元1902的构成示意图。如图20所示,第二矩阵获取单元1902包括样本获取单元2001、样本处理单元2002和样本矩阵获取单元2003;其中,
样本获取单元2001,用于根据用户输入英文字母时在触摸屏上感应的压力值获得输入次数N个字母图像训练样本集,所述字母图像训练样本集表示为:f1(M,L)},f2(M,L),…fi(M,L),…,fN(M,L);其中,fi(M,L)表示第i个字母图像样本,为M×L矩阵,1≤i≤N,M,L为自然数;
样本处理单元2002,与样本获取单元2001连接,用于将每个字母图像训练样本按行展开,以获得输入次数N个包含M×L个样本值的一维向量,所述样本值与用户输入英文字母时在触摸屏上感应的压力值相关;
样本矩阵获取单元2003,与样本处理单元2002连接,用于将获得的输入次数N个一维向量组成字母训练样本矩阵,所述训练样本矩阵表示为X=(xij)N×ML。
由上述实施例可知,移动通信终端通过利用主成分分析法对输入的英文字母进行识别,可显示与该英文字母关联的英文单词,从而可提高识别率、稳定性和识别速度,用户不需要逐个字母输入,节省时间,给用户使用带来很大的便利。
实施例10
本发明实施例提供一种移动通信终端,包括触摸屏2100,如图21所示,该移动通信终端还包括第二接收单元2101、第二识别单元2102、单词组合单元2103和第二显示单元2104;其中,
第二接收单元2101,用于接收用户通过触摸屏连续输入的英文字母;第二识别单元2102,用于利用主成分分析法分别对该第二接收单元2101接收的每个英文字母进行识别,以识别出连续输入的英文字母;单词组合单元2103,用于将第二识别单元2102识别出的英文字母组成英文单词;第二显示单元2104,用于将单词组合单元2103组成的英文单词进行显示。
由上述实施例可知,移动通信终端通过利用主成分分析法对连续输入的英文字母进行识别,可显示该英文单词,从而可解决现有技术中不能进行整个单词输入的问题,识别率高、稳定性和识别速度,用户不需要逐个字母输入,节省时间,给用户使用带来很大的便利。
实施例11
本发明实施例提供一种移动通信终端,如图22所述,包括触摸屏2200,此外,该移动通信终端还包括第二接收单元2201、第二识别单元2202、单词组合单元2203和第二显示单元2204,其作用与实施例10类似,此处不再赘述。
如图22所示,该移动通信终端还包括第二匹配单元2205,用于在预存的词组中找到与单词组合单元2103组合出的英文单词相关联的词组;并且第二显示单元2204还用于将与组成的英文单词相关联的词组进行显示。
其中,该移动通信终端还可包括存储单元2207,用于储存与英文单词相关联的词组。
如图22所示,该移动通信终端还包括判断单元2206,用于在第二接收单元2201接收用户通过触摸屏连续输入的英文字母后,判断是否接收完用户连续输入的英文字母;并且第二识别单元2202还用于在判断单元2206的判断结果为是时,利用主成分分析法分别对输入的每个英文字母进行识别。
此外,如图22所示,该移动通信终端还可包括学习单元2207其作用和工作过程与实施例9中类似,此处不再赘述。并且第二识别单元2202的构成和各个构成部分的作用与实施例9类似,此处不再赘述。
由上述实施例可知,通过利用主成分分析法对输入的英文字母进行识别,以对识别出的英文字母、或与该英文字母关联的英文单词、或者与该英文单词关联的英文词组进行显示,可提高识别率,节省时间,给用户使用带来很大的便利。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。