计算机辅助汉字书写教学技术研究综述

⦾热点与综述⦾

计算机辅助汉字书写教学技术研究综述

安维华

北京语言大学信息科学学院，北京100083

摘

要：传统的汉字书写教学方法具有一定的局限性，为此人们开始关注计算机辅助的汉字书写教学技术。它主要

研究汉字书写规范的智能化、自动化评判方法以及可视化的反馈形式。对近20年来计算机辅助汉字书写教学技术的发展情况进行了综述；详细介绍了数字化展示、书写评判、水平评测等几个研究分支的特点、关键问题以及主要成果；结合相关技术的发展和需求的变化，提出了汉字书写数字化教学技术在未来的发展方向。关键词：汉字书写的数字化教学；书写评判；反馈指导；水平评测文献标志码：A

中图分类号：TP391.1

doi：10.3778/j.issn.1002-8331.1908-0195

安维华.计算机辅助汉字书写教学技术研究综述.计算机工程与应用，2019，55（23）：1-6.

ANWeihua.SurveyofcomputeraidedtechnologyforteachingChinesecharactershandwriting.ComputerEngineeringandApplications,2019,55（23）：1-6.

SurveyofComputerAidedTechnologyforTeachingChineseCharactersHandwriting

ANWeihua

SchoolofInformationScience,BeijingLanguageandCultureUniversity,Beijing100083,China

Abstract：ThetraditionalteachingmethodsforChinesecharactershandwritinghavecertainlimitations.So,peoplebegintopaymoreattentiontothecomputer-aidedteachingtechnologyofChinesecharacterhandwriting.ThistechnologymainlystudiestheintelligentandautomaticevaluationmethodsofChinesecharacterhandwritingqualitiesandthevisualizedfeedbackforms.Thedevelopmentsofthistechnologyintheaboutlatest20yearsarereviewed.Moreover,thekeyproblemsandmainachievementsofitsseveralresearchbranches,suchasdigitaldisplay,handwritingevaluationandlevelassessment,areintroducedindetail.Finally,basedonthedevelopmentofrelatedtechnologyandthechangeofdemand,thefuturedirectionofitsdevelopmentisforecasted.

Keywords：E-learningofChinesecharacterhandwriting;handwritingevaluation;feedbackandguidance;levelassessment

1引言

究汉字书写规范的智能化、自动化评判方法以及可视化汉字在中华文明的传承中扮演着不可代替的作

的用户反馈形式。它的关注点在于评判内容（各种书写用。要掌握一个汉字，除读音外，还需要掌握规范的书错误及书写规范）的全面性和准确性，反馈效果的直观写技能。然而，传统的汉字书写教学方法不但难以适应性和启发性。它的最终目标是，实现学习者在无人值守现代化的课堂需求，而且已经成为汉字学习与国际传播的情况下进行汉字书写的自由练习。

的一个瓶颈。为了解决这一问题，人们开始逐渐关注计这一研究的应用意义在于：它不但能够改进传统的算机辅助的汉字书写教学技术。

汉字书写教学方法，提高教学质量；而且能够为各种汉计算机辅助汉字书写教学技术的任务是，借助各种字书写考试的信息化提供技术基础，提高办公自动化水数字手写设备，综合利用汉字信息处理、计算机图形学、平。更进一步，该技术能够为汉语学习者提供一种汉字数字图像处理、人工智能、文字学等领域的相关知识，研

书写自动练习和评测的人性化工具，使汉字书写练习成

基金项目：国家自然科学基金（No.61202249）；北京语言大学梧桐创新平台（中央高校基本科研业务费专项资金）（No.16PT04）。作者简介：安维华（1978—），男，博士，副教授，研究领域为字形计算、计算机图形学、虚拟现实，E-mail：anweihua@blcu.edu.cn。收稿日期：2019-08-12

修回日期：2019-10-14

文章编号：1002-8331（2019）23-0001-06

CNKI网络出版：2019-10-15,http://kns.cnki.net/kcms/detail/11.2127.TP.20191015.1325.008.html

22019，55（23）ComputerEngineeringandApplications计算机工程与应用

为一种乐趣，从而为汉字文化传承和汉语国际推广起到2关键技术

推动作用。

2.1汉字书写的数字化演示

这一研究的理论意义在于：一方面，它有助于挖掘在技术发展初期，传统课堂逐渐引入了数字化的汉与书写规范相关的汉字字形本质特征，推进汉字书写字教学资源。这些教学资源主要以视频、音频、动画、文规范的量化研究；另一方面，它能够为汉字书写习得理字等形式来呈现。它们主要是对标准汉字的基本信息论的研究提供客观、丰富的样本数据和技术支持。在进行组织加工后，用于查询[3-4]。这些基本信息包括汉字此基础上，可以进行与汉字书写习得理论相关的数据的起源、演化、组词、发音、拼音、部首、笔画构成和顺序挖掘，从而为汉字教学工作者在教学方法上提供理论等。同类的网络资源包括在线新华字典、卡片汉语[5]指导。更进一步地，它有利于从书写难度上对现有汉等。也有一些教学资源通过对汉字各个部件的归纳统字集合进行划分，从而为汉字书写水平评级标准提供计来指导汉字教学[6]。

依据。

上述资源主要是对汉字信息进行单向展示。所以，计算机辅助汉字书写教学技术的本质特征在于：提它们只是让学习者对汉字的笔画和笔顺等特征进行被取用户手写汉字的特征信息，并将其与标准汉字进行自动记忆，无法让学习者进行实践练习。随着电脑、移动动匹配和评测，然后针对错误点和修正建议进行可视化设备的普及，人们逐步关注在各种电子设备上进行汉字反馈。因此，它与汉字识别技术[1-2]

存在本质区别，具体

书写平台的搭建。如《怎样写汉字》软件[7]让低年级学生体现为如下几个方面。

可以在电脑上一笔一划地进行书写练习；陈心涛[8]实现首先，它们的主要任务不同。汉字书写教学技术了一个面向iOS端的汉字教学系统，它通过描红的方式的根本任务是评价汉字书写的规范程度，它包括正确引导用户练习汉字笔画和笔顺。类似的内容还包括性和美观性两方面；而汉字识别则主要关注未知手写Tam的工作[9-10]、林华实现的汉字笔顺教学工具[11]，以及样本与现有样本库中众多样本中的哪一个或哪几个最一些其他工作[12-15]。

相似。

目前，比较流行的基于移动端的描红手写练习工具其次，它们的研究对象不同。汉字书写教学技术侧包括ChineseWriter[16]和Skritter[17]等。图2为Chinese重于对细微差别的区分和评价；而汉字识别往往只关心Writer的教学界面，图3为Skritter的教学界面。这些工总体差异。

具的侧重点在于朴素简洁的界面展现，友好流畅的交互第三，它们的研究方法不同。汉字书写教学技术形式。

只是将一个手写汉字与一个已知的汉字进行特征匹配。汉字识别是将一个待识别的汉字与汉字库中所有汉字进行特征匹配，从而找出一个或多个与其最相近的汉字。

可见，汉字识别技术已经发展得比较成熟，一些相关方法能够解决汉字书写教学中的部分问题。但是由于它们在任务、对象和方法等方面的不同点，不能套用现有汉字识别的相关方法，而是需要深入研究汉字书写规范的内涵，挖掘标准汉字和手写汉字的本质特征，以此设计出适合汉字书写辅助教学的方法。

如图1所示，计算机辅助汉字书写教学涉及的关键图2ChineseWriter软件的操作界面

技术可以分为汉字书写的数字化演示、汉字书写的规范性评判、汉字书写的水平评测等方面。本文后续内容将进行详细介绍。

计算机辅助汉字书写教学数字化演示书写规范性评判书写水平评测……即时评判事后评判笔画笔顺评判结构布势评判字形匹配反馈指导图1计算机辅助汉字书写教学技术的分支图3Skritter软件的操作界面

安维华：计算机辅助汉字书写教学技术研究综述2019，55（23）3

综上可知，汉字书写的数字化演示更加关注汉字信程，导致学习者缺乏对汉字整体布局结构的认知。图4息的呈现形式。目前，面对学习者日益多元化的学习需为汉字书写的即时评判示例[29]。

求，这些资源的类型越来越多样化、趣味化，共享性也越来越高。这些资源的应用场合从课堂教学情境，开始向课后学习的支持发展，并且通过移动平台提供随时随地的学习服务，从而满足学生的各种需求。

然而，数字化演示的教学形式主要引导用户书写正确的笔画笔顺，它们的交互形式非常有限。它们对汉字书写过程中的规范性问题缺乏关注；不能全面发现并纠正用户在书写过程中存在的问题，并提供有针对性的反馈指导；而且较少关注学生的个性化学习需求。所以，它们还只是传统教学形式的辅助手段。

近年来，越来越多的学者开始深入研究智能化的书写教学技术，例如：标明用户在书写过程中的错误和缺图4即时评判技术举例

陷并予以改正反馈。所以，相关的研究开始逐渐转到汉字书写规范性的评判技术上来。从评判和反馈的时机2.2.2汉字书写的事后评判

来看，相关的工作可以分为即时评判和事后评判两类。

事后评判是指：首先，让使用者不受干扰地一次性2.2汉字书写的规范性评判

写完整个汉字；然后，对手写字的正确性和规范性进行2.2.1汉字书写的即时评判

评判；最后，一次性地指出用户在书写过程中存在的问即时评判是指：针对某个汉字，用户每写完一个笔题，并予以反馈和纠正。表1给出了两种评判方式的特画，系统立即评判其规范性，并给予反馈意见。在算法点对比。可见，事后评判保证了用户书写的连贯性，有方面，即时评判技术一般从笔画形状正确性和位置正确助于用户对汉字的整体把握。它不仅可以应用于汉字性两方面来评价。在交互方面，它一般采用动画渐变的的临摹练习、也可用于评判默写检查，更加体现了无人形式进行问题反馈。目前，即时评判技术已经比较成值守的特点。

熟，并积累了很多成果。

表1

即时评判与事后评判的对比

中国内地方面，黑龙江大学的王丁等人[18-19]研制了汉对比侧面即时评判

事后评判字书写练习的嵌入式系统。中国科技大学的HuZhihui评判时机每个笔画书写完成后

整个汉字书写完成后等人[20]设计了一套基于互联网的汉字书写练习的实时适用人群初学者有一定基础的学习者适用场合临摹等默写、评分、考核等

评测及反馈系统。华南理工大学的庄崇彪等人[21]使用笔画首尾点的位置和走势等参数描述书写规范性，并实局限性

干扰用户书写错误积累缺乏整体把握

造成负担

现了一个实时评判工具。另外，北京语言大学的李琪等人[22-23]建立了一个书写评判引擎，并提出了一种基于结事后评判的技术思路一般是，首先采用自动化方法构布势的即时评判方法。这种方法弥补了即时评判和将手写汉字与标准的模板汉字进行精确的笔画匹配；然事后评判之间的鸿沟，能够让学习者由汉字书写的微观后根据匹配结果，给出正误评判（多笔、少笔等）和规范规范平滑地过渡到对宏观规范的认知。

性指导（笔画交搭关系、长度比例等）。可见，事后评判中国港台方面，香港城市大学的Tsang等人[24]以及的关键技术环节包括两个方面：字形匹配和反馈指导。Tang等人[25]分别设计了手写笔顺练习系统；台湾国立台下面进行逐一分析。

中教育大学的Chen等人[26]根据斜率判断笔画的正确（1）字形匹配

性；台湾国立交通大学的Sun等人[27]开发了笔顺正误的字形匹配是指建立手写字与模板字之间的笔画对评测系统。

应关系。该问题可以描述如下。假设手写字中的笔画集国外方面，新加坡淡马锡理工学院的Tan[28]采用整合为{ui,0集合U={(ui,vj)|0是，这种打断式的评判方式会干扰学习者完整的书写过

近年来，针对字形匹配技术的研究有很多成果。例

42019，55（23）ComputerEngineeringandApplications计算机工程与应用

如，Hu等[30]首先将汉字的笔画位置关系表示为属性关S(ijt)

=1max

C(i,j|h,k)p(hkt)

（8）

系图（AttributedRelationalGraph），然后通过将笔段投m{∑,(h≠i,k≠j)hk

}射到坐标轴上实现书写信息的裁剪，最终建立起模板字基于上述定义，第t+1次迭代的结果如公式（9）所示：和手写字之间的匹配关系；Chen等[31]根据斜率将手写字的笔画进行归类，然后与模板汉字进行匹配；Tang等[32]P

(Pij

t+1)=

ij(t)(1+Sij(t)

)

使用动态规划算法进行字形匹配。

∑n9）

P

(+S(t)（x=1

ix

t)(1ix

)

上述字形匹配方法虽取得了一定突破，但它们很难（2）反馈指导的形式

应用于大范围字符集，也很难适应不同书写者的字形变在反馈指导的形式方面，现有成果一般使用如下几化。例如，对于外国学习者而言，他们只是将汉字简单种：文字说理、打分、图形辅助等。文字说理形式不够形地理解为图形并随意地描画，这就会产生各种意想不到象直观，容易给学习者带来负担；如图5所示，评分的形的书写变形。针对他们书写的汉字，上述匹配方法很难式[26]只是通过分数表明手写字的大致规范程度，学习者应付。

并不知道具体的错误之处，更不知道如何修正；图形辅此外，吕晓晨等提出了一种针对脱机手写字图像的助形式一般使用简单的几何图形在手写字中标明书写字形匹配方法[33]

，安维华等人提出了一种基于最优化模错误的具体位置[32]。例如，图6（a）使用椭圆形圈出了型的联机手写汉字字形匹配方法[34]。这些方法虽然可“土”字多余的笔画，但未提供具体修改建议；图6（b）使用于大多数手写汉字的自动化评判场合，但还存在一些用虚线标出了规范的笔画效果，同时使用动物图片辅助

不足，例如：计算处理时间较长等。

加深认字效果[20，32]

。与前两种方式相比，这种方式具有

相比较来看，吴嘉伟[23]

采用的基于松弛匹配的字形较好的用户体验。

匹配算法具有较好的匹配精度和计算效率。它的基本思路如下。首先，将笔段之间的相似性定义为公式（1）。它表示了手写笔段与模板笔段之间的匹配概率。

p(0)ij=1+c11θij+c2×diff(li,lj)+c3dij

（1）

diff(li,lj)=

max(li,lj)-min(li,lj)max(li,lj)+min(li,lj)（2）

（a）等级制评分

（b）百分制评分

图5

评分的反馈形式

其中，

θij表示两个笔段的夹角，li和lj表示两个笔段的长度，

dij表示两个笔段中心点的距离，c1、c2、c3为经验权重。

然后，将笔段之间的相容度定义为公式（3）。它描述了手写字和模板字之间的字形相似程度。

C(i,j|h,k)=

P(R(i,h)=R(j,k))

1+c4D+c5E+c6F+c7G（3）D=|dih-djk|（4）E=diff(li+lh,lj+lk)（5）（a）多余笔画的提示

F=|αih-αjk|（6）G=|βih-βjk|（7）

其中，

P(R(i,h)=R(j,k))表示手写笔段交搭关系R(i,h)与模板笔段交搭关系R(j,k)相同的概率，

dih表示两笔段中点的距离，

αih表示两笔段中点连线的倾角，βih表（b）不规范笔画的提示示两笔段所形成的夹角，

c4、c5、c6、c7为经验权重。图6

图形辅助的反馈形式

最后，利用笔段之间的相容度对笔段相似性进行迭上述所有的错误反馈形式都只是静态地表达，在书代调整，便可得到最大化的匹配结果。迭代方法如下。写规范的改进指导方面不够形象直观。未来的研究重对于第t次迭代后的手写笔段ui和模板笔段vj，他们点在于，借助各种动画技术进行错误反馈和改进引导。的匹配支撑函数如公式（7）所示。该公式表示，所有其这样才能最大化地增强使用者体验，发挥计算机的辅助他的匹配笔段能够给予(ui,vj)的最大支撑。

作用。

安维华：计算机辅助汉字书写教学技术研究综述2019，55（23）5

（3）反馈指导的内容

果。上述这些工作的基本思路，还是针对特定模板字在反馈指导的内容方面，事后评判系统往往侧重于进行相似度比对，并没有针对某种书写形式进行普适汉字整体布局的评价[35-37]，一般没有涉及局部细节的错性评价。

误指导。这与事后评判的技术特点有关。为了保证用邓晓健等人[43]提出了一种基于统计的汉字字形视户书写过程的连贯性，事后评判延迟了反馈时机。这觉重心的计算方法。该方法考虑了汉字视觉重心依赖样，如果书写过程中的某一笔画存在规范性问题，势必于人的主观体验这一因素。耿晓艳等人[44]针对字库设会对后续笔画的书写造成影响，从而产生错误积累。这计的质量问题，建立汉字品质的评价模型。Sun等人[45]样待整字书写完毕以后，系统很难找到学习者在书写过使用BP神经网络对汉字的22个全局统计特征和10个程中出现的首发错误或关键错误。

结构布局特征进行训练，从而构建了一个审美评价模对于外国（特别是西方）学习者而言，由于他们的母型。他们还对这些特征参数的重要性进行了分析。

语文字与中国汉字之间存在很大差异（并没有笔画、笔基本上，上述工作都是针对特定字体、特定集合的序的概念），这种错误积累情况变得很常见。例如，图7汉字进行书写评价，还无法推广到大字符集范围上。可显示了“旅”的模板字和手写字。可见，从左图模板字中以预见，基于目前兴起的大数据和深度学习技术，汉字序号为8的笔段开始，在右图中用户已经将其写错了。书写水平评测的研究还会继续深入发展。

在此之后的所有书写内容均属于错误积累。可以想象，图7中的书写错误是由于学习者对“旅”字右侧部件的记忆错误造成的。

3总结与展望

在计算机辅助汉字书写教学领域，人们已经积累了

06

0

丰富的成果，包括数字化演示、规范性评判、水平评测1

76

等。但是随着技术的进步和需求的变化，这一领域正面2817

3临着新的课题。例如：现有成果还没有形成完整的技术9

2

1138

11

9

体系；大规模语料库的支持还不够；书写错误的定位精5

12

4

度以及反馈指导的可视化形式还有待改进；汉字书写水4

10

510平评测技术的研究还处于起步阶段。这些新课题必将图7手写汉字的错误积累示例

会推动汉字书写教学技术的进一步发展。

针对上述情况，如何从适当的粒度（笔画、部件、整可以预见，未来的计算机辅助汉字书写教学技术，字）出发进行错误反馈和书写指导，是事后评判技术需将以汉字书写规范性评判和水平评测为研究重点，以全要深入研究的课题。为此，马乐慧[38]提出了一种基于字面化、精确化和智能化为主要目标，并且拓展更多的应形相对中心的事后评判算法。它通过对各种笔画参数用场合。具体表现为如下几个方面：（1）深刻挖掘汉字的差异性进行聚类分析，达到了定位手写汉字中关键本质特征，设计面向书写评判的汉字形式化描述方法；书写缺陷的目的，在一定程度上实现了无人值守的评（2）提高汉字书写评判的准确性，从部分评判到全面评判目标。

判；（3）汉字书写样本的海量分析与数据挖掘；（4）从对2.3汉字书写的水平评测

单字的规范性评判到篇章的书写评测。

汉字书写的水平评测是指，针对某个学习者，从整

体上评价他在汉字书写规范上的水平。这一研究有利参考文献：

于定量评估每个个体的书写水平。它还能够辅助汉字[1]PlamondonR，SrihariSN.On-lineandoff-linehandwriting

书写相关政策的制定，例如建立汉字书写规范的分级标recognition：acomprehensivesurvey[J].IEEETransactions准等。

onPatternAnalysisandMachineIntelligence，2000，22（1）：目前，专门针对汉字书写水平评测的研究工作还比63-84.

较少。下面列举一些相近的工作成果。樊亮等[39]提出[2]赵继印，郑蕊蕊，吴宝春，等.脱机手写体汉字识别综述[J].

了一种基于笔画笔力的模糊评价方法，评价结果具有一电子学报，2010，38（2）：405-415.

[3]LamHC，PunKH，LeungST，etal.Computer-assisted-定的客观性。郭晨[40]

实现了一个书法笔画风格的评价learningforlearningChinesecharacters[J].Communications与临摹比对系统。他提出了笔画整体结构风格、笔画走ofCOLIPS，1993，3（1）：31-44.

势风格、笔画压力风格等一系列评价方法。李牧[41]

同样[4]LiJ，ZhangX.Thedesignandimplementationofmulti-针对临摹书写形式，提出了书法字的结体特征、点画形mediaintelligenttutoringsystemforChinesecharacters[C]//态和章法布局三个侧面的相似度算法。温丽敏[42]从结ProceedingsoftheIEEE1stInternationalConferenceon构和笔法两方面提取模板字的书法特征，并计算临摹效

Multi-MediaEngineeringEducation，Melbourne，Victoria，

62019，55（23）ComputerEngineeringandApplications计算机工程与应用

Australia，1994：459-463.

法研究[D].北京：北京语言大学，2017.

[5]杨兆勇.移动学习下的卡片汉语制作平台的设计与开发[D].

[24]TsangK，LeungH.TeachingstrokeorderforChinese

北京：北京语言大学，2017.

charactersbyusingminimalfeedback[C]//Proceedingsof[6]LamH，KiW，LawN，etal.DesigningCALLforlearning

the4thInternationalConferenceonWeb-basedLearning，Chinesecharacters[J].JournalofComputerAssistedLearning，2005：135-143.

2001，17（1）：115-128.

[25]TangK，LiK，LeungH.Aweb-basedChinesehandwriting

[7]姚鸿滨，邹敏，柳德钟《怎样写汉字》.软件的教学实验及应

educationsystemwithautomaticfeedbackandanalysis[C]//用[J].无锡教育学院学报，1999（3）：67-70.

Proceedingsofthe5thInternationalConferenceon[8]陈心涛.面向iOS移动终端的汉字书写智能学习系统[D].

Web-basedLearning，2006：176-188.

广州：华南理工大学，2013.

[26]ChenG，YaoH，JhengY.On-lineassessmentforthe

[9]TamV，HuangC.Anextendiblesoftwareforlearningto

strokeorderofChinesecharacterswriting[C]//ProceedingswriteChinesecharactersincorrectstrokesequencesonofthe16thInternationalConferenceonComputersinsmartphones[C]//ProceedingsoftheIEEE11thInternationalEducation，2008：132-138.

ConferenceonAdvancedLearningTechnologies，Athens，[27]SunK，HsuS，ChenY.Anintelligenttutoringsystem

GA，2011：118-119.

forteachingthestrokeordersofChinesecharacterson[10]TamV，YeungKW.LearningtowriteChinesecharacters

theinternet[C]//TheInternationalComputerSymposiumwithcorrectstrokesequencesonmobiledevices[C]//WorkshoponComputerNetworks，Internet，andMulti-Proceedingsofthe2ndInternationalConferenceonmedia，1998：199-206.

EducationTechnologyandComputer，Shanghai，China，[28]TanC.Analgorithmforon-linestrokesverificationof

2010：395-399.

Chinesecharactersusingdiscretefeatures[C]//The8th[11]林华.计算机辅助汉字笔顺教学的研究与实现[D].上海：

InternationalWorkshoponFrontiersinHandwriting华东师范大学，2004.

Recognition，2002：339-344.

[12]唐棠，陆兵.一种汉字书写模拟练习软件的设计[J].中文

[29]韩睿方，安维华，荀恩东，等.汉字书写过程中笔画规范性

信息学报，1996，10（3）：10-17.

的实时分级评判[J].计算机应用，2016（S1）：281-285.[13]HanC，ChouC，WuC.Aninteractivegradingandlearning

[30]HuZ，LeungH，XuY.AutomatedChinesehandwritingerror

systemforChinesecalligraphy[J].MachineVisionanddetectionusingattributedrelationalgraphmatching[C]//Applications，2008，19（1）：43-55.

LNCS5145：AdvancesinWebBasedLearning-ICWL2008，[14]TeoCL，BurdetE，LimHP.AroboticteacherofChinese

2008：344-355.

handwriting[C]//Proceedingsofthe10thSymposiumon[31]ChenG，JhengY，LinL.Computer-basedassessmentfor

HapticInterfacesforVirtualEnvironmentandTeleoperatorthestrokeorderofChinesecharacterswriting[C]//Pro-System，Orlando，FL，USA，2002：335-341.

ceedingsofthe2ndInternationalConferenceonInno-[15]TakesueN，MochidaK，KitadaiA，etal.Ahandwriting-vativeComputing，InformationandControl，2007.basedKanjilearningsystemenablingteacherstodesig-[32]TangW，LeongH，NgaiG，etal.Detectinghandwriting

nateevaluationpoints[R].ISPJSIGTechnicalReport，errorswithvisualfeedbackinearlychildhoodforChinesecharacters[C]//Proceedingsofthe2014Conferenceon2005，15：15-22.

InteractionDesignandChildren，2014：273-276.[16]TrainchineseBVCompany.Thetrainchinesesoftware[EB/OL].

[33]荀恩东，吕晓晨，安维华，等.面向书写教学的手写汉字图

[2019-07-24].http：//www.trainchinese.com/v2/writer.php/.[17]InkrenCompany.TheSkrittersoftware[EB/OL].[2019-07-24].

像笔画还原[J].北京大学学报（自然科学版），2015，51（2）：241-248.

https：//skritter.com/.

[34]AnW，LiC.Automaticmatchingofcharacterstrokes

[18]王丁，闫瑶，张廷宇，等.手持练字系统的设计与实现[J].

forcomputer-aidedChinesehandwritingeducation[C]//控制工程，2009，16（6）：705-712.

ProceedingsoftheInternationalConferenceonE-Education，[19]王丁.汉字书法练习装置：971047421[P].1998-10-07.EntertainmentandE-Management，2011：283-288.[20]HuZ，XuY，HuangL，etal.AChinesehandwriting

[35]夏伟平，金连文.一种基于模板的联机手写体汉字布局评

educationsystemwithautomaticerrordetection[J].Journal价方法[C]//全国模式识别学术会议，北京，2008：354-359.ofSoftware，2009，4（2）：101-107.

[36]LiK，LeungH，LamS，etal.Anassessmenttoolfor

[21]庄崇彪，金连文.在线汉字书写正误及工整的智能评判算

judgingtheoverallappearanceofChinesehandwriting法[J].信号处理，2005，21（4）：276-279.

basedonopinionsfromoccupationaltherapists[C]//[22]李琪.汉字书写布势规范性的评判技术研究[D].北京：北

LNCS4823：InternationalConferenceonWeb-based京语言大学，2017.

Learning，2008：288-299.

[23]吴嘉伟.计算机辅助汉字书写教学的交互技术及关键算

（下转第104页）

1042019，55（23）ComputerEngineeringandApplications计算机工程与应用

法[J].传感器与微系统，2018（2）：147-149.

byensembleCNN-SVMandgraph-basedlocalization[2]MaungNAM，KawaiM.Experimentalevaluationsof

inwaterdistributionsystems[J].IEEETransactionsonRSSIthreshold-basedoptimizedDV-HOPlocalizationIndustrialElectronics，2018，65（5）：4279-4289.

forwirelessad-hocnetworks[J].ElectronicsLetters，2014，[12]DwiyasaF，LimMH.Extremelearningmachinefor

50（17）：1246-1248.

activeRFIDlocationclassification[C]//Proceedingsof[3]FascistaA，CiccareseG，ColucciaA，etal.Alocalization

the18thAsiaPacificSymposiumonIntelligentandalgorithmbasedonV2IcommunicationsandAOAesti-EvolutionarySystems.[S.l.]：SpringerInternationalPub-mation[J].IEEESignalProcessingLetters，2017，24（1）：lishing，2015：657-670.

126-130.

[13]PayalA，RaiCS，ReddyBVR.Analysisofradialbasis

[4]MaddumabandaraA，LeungH，LiuMinxiang.Experimental

functionnetworkforlocalizationframeworkinwirelessevaluationofindoorlocalizationusingwirelesssensorsensornetworks[C]//ConfluencetheNextGenerationnetworks[J].IEEESensorsJournal，2015，15（9）：5228-5237.InformationTechnologySummit.Noida，India：IEEE，2014：[5]YinJihao，WanQun，YangShiwen，etal.Asimpleand

432-435.

accurateTDOA-AOAlocalizationmethodusingtwo[14]XueW，QiuW，HuaX，etal.ImprovedWi-FiRSSI

stations[J].IEEESignalProcessingLetters，2016，23（1）：measurementforindoorlocalization[J].IEEESensors144-148.

Journal，2017，17（7）：2224-2230.

[6]汤丽，徐玉滨，周牧，等.基于K近邻算法的WLAN室内定

[15]周武，赵春霞，张浩峰.动态联合最近邻算法[J].电子学

位技术研究[J].计算机科学，2009，36（48）：54-55.

报，2010，38（2）：359-365.

[7]ChenWei，ChangQiang，HouHongtao，etal.Anovel

[16]XueW，HuaX，LiQ，etal.Anewweightedalgorithm

clusteringandWKNNbasedstrategyforWi-FifingerprintbasedontheunevenspatialresolutionofRSSIforindoorindoorlocalization[C]//InternationalConferenceonCom-localization[J].IEEEAccess，2018，6（99）：26588-26595.puterScienceandNetworkTechnology，Harbin，China，[17]NiuJ，WangB，ChengL，etal.WicLoc：anindoorlocali-2015：49-52.

zationsystembasedonWiFifingerprintsandcrowd-[8]曹晓祥，陈国良.一种改进的组合定权的指纹定位算法[J].

sourcing[C]//IEEEInternationalConferenceonCommu-测绘通报，2018（2）：6-10.

nications.London，UK：IEEE，2015：3008-3013.

[9]EIAssafA，ZaidiS，AffesS，etal.RobustANNs-based

[18]SoInC，PermpolS，RujirakulK.Softcomputing-based

WSNlocalizationinthepresenceofanisotropicsignallocalizationsinwirelesssensornetworks[J].Pervasiveandattenuation[J].IEEEWirelessCommunicationsLetters，MobileComputing，2016，29：17-37.

2016，5（5）：504-507.

[19]PayalA，RaiCS，ReddyBVR.Artificialneuralnet-[10]IbrahimA，RahimSKA，MohamadH.Performance

worksfordevelopinglocalizationframeworkinwirelessevaluationofRSSI-basedWSNindoorlocalizationschemesensornetworks[C]//InternationalConferenceonDatausingartificialneuralnetworkschemes[C]//2015IEEEMiningandIntelligentComputing，India，2014：1-6.12thMalaysiaInternationalConferenceonCommu-[20]LaoudiasC，PichéR，PanayiotouC.Deviceself-calibration

nications（MICC）.Piscataway，NJ：IEEE，2016：300-305.inlocationsystemsusingsignalstrengthhistograms[J].[11]KangJ，ParkYJ，LeeJ，etal.Novelleakagedetection

JournalofLocationBasedServices，2013，7（3）：165-181.

（上接第6页）

[41]李牧.书法临帖计算机评价的研究[D].广州：华南理工大

[37]QiH.Asize-independentmethodforChinesecharacter

学，2013.

writingstructureassessment[C]//Proceedingsof2008[42]温丽敏.基于审美特征的书法评价模型构造与实现[J].计

InternationalConferenceonMachineLearningand算机工程与设计，2008，29（7）：1865-1868.

Cybernetics，Kunming，China，2008：2754-2759.

[43]邓晓健，李彬，张俊松.基于统计的汉字字形视觉重心计

[38]马乐慧.汉字书写质量的事后评判与反馈技术研究[D].

算[J].中文信息学报，2015，29（4）：159-165.

[44]耿晓艳，许维胜，吴继伟.基于神经网络的汉字质量量化

北京：北京语言大学，2018.

评价模型[J].计算机与现代化，2004（1）：96-99.

[39]樊亮，戴永，覃冰梅.触摸屏手写汉字笔画的笔力模糊评

[45]SunR，LianZ，TangY，etal.Aestheticvisualquality

价[J].中文信息学报，2013，27（2）：91-97.

evaluationofChinesehandwritings[C]//Proceedingsof[40]郭晨.基于图像处理技术的手写体汉字特征分析的研

the24thInternationalJointConferenceonArtificial究[D].天津：天津科技大学，2010.

Intelligence，2015：2510-2516.