忍足兄弟公式书无责任总结翻译

那我总结一下阿，谢谢把图源放到网上得日本网友，因为这次我没有卖书。本来想转得，那涉及一个版权问题，所以，就自己翻译总结了一下。那go on了..........

众人，这算考据嘛？好把好吧，翻译考据

诶，彻底水了水了

无责翻译 ＋纯良感想

侑士和谦也

堂兄弟的对谈

因为是最亲近的家伙（话说u4和kenya不是各有姐和弟嘛？怎么是最亲的人了算了,54我），所以情不自禁地就要在每个地方较劲（呵呵，kenya加油，我爱kenya）。不可避免的争端，于是begin fight！

侑士：呼~刚练习完就得来接受访谈，还真是.........(有吐糟的嫌疑阿....)话说，那访谈的另一个人是谁啊？对了，迹部也要去访谈。去问下情况吧……）（这段有oa向，谦也，看好你哥....话说你怎么对a少的时间表那么清楚）

哔哔哔哔……迹部？（私认为电话应该是嘟嘟都的阿，好吧....54我）你那边进行的如何？我接下来也要去参加采访阿。

迹部： 像这种对手，他一点反应也没有（可以理解为你们两个发生了什么吗?.....好吧，这是个有爱的腐物）。话说你的对手是谁阿？

侑士： 这个天知道，他们也没告诉我……好像前面的访谈over了，手冢已经出来了。 那个手冢居然好像有点慌张。what's happening?他身边有白石和……那不是谦也吗？ 这到底是怎么一回事阿？（u4我不知道什么是重点？你怎么看得出人家tezuka有点慌张阿.....人家素以冷静著称阿，你怎么把弟弟排最后阿，这算是么，回避重点吗？）

谦也： u4？我得和某个人一起接受杂志的访谈阿，诶你在这儿站着干嘛？（kenya阿，既然开口了。不要大意地上吧......）

侑士： 我也和你一样阿。你什麽时候在哪儿接受访谈？

谦也： 从5点半开始，就在这屋里。那你那边呢？

侑士： 5点半开始，在寄宿宿舍里。

侑士&谦也： …………………………。（orz了吗？这次的公式书满足了某r的一切幻想阿，兄弟爱大好）

侑士： 什麽啊，也就是说和你这家伙一起啊做访谈阿！（有什么不好，弟弟诶，你最亲的人诶，话说忍足血统不错了，占了全国最强的网球选手中的1／25，笑）

谦也： 我为什麽得和你这麼郑重地谈话不可啊？（平时都是互相炫耀吗？我承认这句话让我想到了你们在某个地方讲话......）

侑士： 你吵到我耳朵都痛啦！还有，你抢了我的台词吧！（这可以理解为血统相同，思考方式也相同吗？笑）

芝： 啊！就你们两个了，干吗在外面吵闹的呀？时间不多了，快进来给我坐好。（对这个女人很讨厌....搞得想幼儿园老师一样.....）

侑士： 呼，我得比kenya快坐到位子上去（这个，有什么好争得，还要看椅子所在得位置阿，位置不同距离不同阿，orz）。

谦也： 哼，有我这浪速得speed star在，怎麼可能让u4你坐到你想坐的位子去？啊、那是什么？哼，侑士那家伙……。（kenya想不到你也素一个傲娇阿，某r还是忍不住想吼，你们

那是浪费时间和资源！）

不好，u4那家伙使用了闭锁心扉，这样我就不知道他想坐哪儿了，可恶。（这没有争的必要吧）

侑士： S.S.A.S，绝对不能让kenya那家伙知道我想坐哪哪儿（话说，只有一把椅子吗？明明2把得吧，好吧....这段满点，我吐糟无力了）……好，作战成功。（可以理解为攻下kenya吗？）

芝： 喂你们两个，给我乖乖地坐下！不要让我这个女性等到岁月流逝了吧！（这句不准确，我不知道怎么说好，但是芝小姐诶，你不是什么美女，更不是才女了，人家凭什么要对你殷勤有加阿，好吧，我承认我又抽了）

谦也： 可恶！侑士，我说你故意找抽啊！ 你想坐的，明明是左边的位子！

侑士： 哼，到想看看你想怎么样了。（我还是想说，这有什么好争得，但本书就是用来吐糟得吧.....）

芝： 你们~~为什麽连坐个位子都能折腾这麼久啊。（这女人想表达什么？）还是快点进入主题吧。两人是堂兄弟得同时，又是互相在网球上是竞争对手。而且，也quite proud of their own school。所以阿！事先对前来参加这次的合宿的冰帝和四天宝寺的同学们做了调查，还有对你们的看法。受访者是这次参加合宿的中学生，加上一氏君和财前君共50人（话说小光没来，谦也伤心吗？好吧，我又腐了），锵锵~！

2010-1-7 00:17 回复

Ilyen

72位粉丝

2楼

结果如下：

Q1、想就读冰帝还是四天宝寺学校？

冰帝：7票（全部来和宿的部员吗？算某r一个吧，想去成城）

四天宝寺：6票（谦也在得话....可以考虑，但是对关西话无力）

都不要派别：37票（好吧，都是我爱我校的。我也爱我学校，如果tennis全国出赛得话就更爱了，可是好像每年都只能达到关东。）

reason（节选）

冰帝派：

因为有很多很强得人在，所以才有下克上的意义（hiyoshi得，太明显了，话说你是不是以下克上目的泡了家里买电器得某人阿?）

学校的饭阿，超美味c！（慈郎,cos结尾。我说慈郎你没有什么追求阿）

有从心底真心敬仰的前辈在这里（这个，应该是凤吧，呵呵，4413）

四天宝寺派：

因为有好多好男人在嘛~（这个小春吧，话说你可以考虑男子学校得...）

没有比这儿更有趣的学校了（这个不确定）

离家很近（不确定，应该是步行上学得某位，话说还背井离乡上学不成？好吧，某r就是背井离乡上学得）

都不要派：

去四天宝寺我会感到人身有危险，而且，那些冰帝破烂口号，我才不想一点也不想喊呐（为

什么？不是很华丽吗？话说和本校得应援口号比，那是小巫见大巫阿，等着被pai得某r） 四天宝寺，好像逼着人搞笑什麽的，那在开什麽国籍玩笑啊！冰帝得话，讨厌那里得很多傲慢自恋的家伙在啊（orz，这位仁兄你没幽默感，交不起学费就直说吗？干吗攻击人家？）

Q2. 对侑士君和谦也君说一句话

侑士（这里有2颗星，只是某r打不出来）

【冰帝的天才】

那家伙得能力是本大爷感到认同的少数人中的1个。（话说a少你还认同谁阿？）给本大爷感到荣耀吧，啊嗯？（a少，觉得得）

【眼镜狂人】

这个人好像收集了数量称得上庞大的眼镜，然后还一个一个去命名。（话说u4你取得都是什么名字阿，不是花子什么得吧....orz.....）与其说是眼镜狂人（那是千吧），不如说是bt（哈哈哈，我喜欢这一段....）

【冒牌不二前辈】

因为，他copy 了不二前辈的得意技啊。说有一千种绝招什麽的阿，不过是copy别人而已嘛（u4,我也只有苦笑得分了）

其他的：

与冷静的外表不和，是个很热血的人（这不是我之前得分析吗？本来想和这位筒子握手一下，结果感觉像是桃城，所以......）

在直播烤肉大赛中负责吐槽的（这算避重就轻吗？呵呵）

台词不多居然那麼有存在感，还真叫人羡慕啊（话说这位仁兄您存在感很低吗？）

谦也

【好、男、人】

散发著有良好教育的气息。脸蛋也是我中意的类型阿 。love!这里有个心，我打不出来。（一氏：喂！你想劈腿吗！）（算了，我吐糟无力了，小春其实你可以考虑男校的，只是不要当成bt被赶出来就是了，谦也自己小心吧，我相信你哥....）

【speed狂人】

对跑步抱着微妙的感情阿，那个，和网球没关系吧。（话说谦也你是不是兼职田径社阿，你那水平可以参加全国了吧，来网球，是不是就是为了某阿?笑......）

【梅、梅洛斯】

只要看著那个人的背影，我就立刻想起了某个小说的主人公阿。（这里做一下常识人：奔跑吧梅洛斯是日本作家太宰治的创作，是日本著名的小说作品。

大家可能也有听过，因为一些日本动画也有提过这个故事

像樱桃小丸子和蜡笔小新都分别都有取这个题材来作剧情，这是多少年前的时期了阿？ ）

其他的：

把蜥蜴当宠物养的人（确实阿，只是不要吓你哥就好了，u4，你更不要拿岳人和蜥蜴比较阿，见放学后的王子）

对强者会表示敬意的好人（谦也你有去冰帝的潜力阿，这种性格）

勤奋而且优秀，是个双打的好搭档（小光阿，你应该多说一点阿！喂,谦也。不要劈腿阿！好吧好吧，我承认小光也不错）

好了，翻译了一部分对谈和投票，其中还加了一点自己的吐糟。抱歉我对关西话无力，有错还请多指正。等下明天继续吧。

2010-1-7 00:17 回复

第二篇：文献翻译-概率的数学公式识别使用一个二维的上下文无关文法图

西北工业大学明德学院本科毕业设计论文

(本科毕业设计论文)

毕业设计（论文）外文资料翻译

作 者：

学科专业：

学 号：

班 级：

指导老师：

附件：1.外文原文2.外文资料翻译译文

20xx年6月

1

西北工业大学明德学院本科毕业设计论文

概率的数学公式识别

使用一个二维的上下文无关文法图

数学表达式的识别问题。发达的系统灵活的，它可以很容易的扩展语法由于它的图形语法，不需要指定规则的优先级。在这个意义上是最佳表达式的所有可能的解释是扩大没有早期的承诺或艰难的决定。在这，我们给出了整个系统的概述和描述详细说明用图的语法和解析过程系统，随着对字符的一些初步结果,的结构和表达的识别性能。

关键词在线，手写识别，OCR，数学方程，二维图形语法，图框语法

一、引言

在计算机和其他地方的增长尽管在我们的生活中的数字设备，纸和笔是最传送或记录信息的方便的方法—方法。特别是，数学表达式是最反对—手写输入的应用。计算机理解手写文字（手写或数学公式）是一个正在进行的研究领域。不同的？困难是由于几个因素，包括写作风格的变化较大，其词汇的指示可能的替代品的大小，和一定形状的无语义歧义理解（例如，“O”和“0”）。

数学表达式识别包括两个主要ubproblems：赛格字符识别的识别化和标记符号（数字，字母，特殊数学符号）和结构分析下—优秀的表达结构的空间字符和字符识别之间的关系定义输出。数学表达式的识别更挑战相比，在识别由于手写文本O数学表达式的复杂语义以及汉字的二维布局。

有几种方法在文献结构数学表达式的分析：程序编码规则[ 1 ]；X-Y削减基于投影亲？LES [ 2 ]，[ 3 ]；基线树的构建[ 4 ]，[ 5 ]；随机上下文无关语法[ 6 ]；约束属性文法[ 7 ]；分层分解分析[ 8 ]；生成树的生成加权图[ 9 ]；和图形语法[ 10 ]–[ 13 ]。在之间这些方法有一定的优势，图语法：为把[ 14 ]了，图语法的本质二维表示可以代表一个可能在于有限数量的模式，有限数量的规则，当增强属性。事实上，图语法是公式识别的首选方法之一,近年来。在[ 10 ]，图语法添加 2

西北工业大学明德学院本科毕业设计论文

到现有的系统放松约束的书写顺序的符号。在[ 11 ]–[ 13 ]的工作是基于图重写，在一个自底向上使用的语法分析器，折叠节点匹配在每一个规则应用到一个节点。这些系统，的解析过程的输出是一个单节点的含所有输入符号和对应的预期所表达的意思。

我们的系统使用概率上下文无关图指导系统数学有效的解释和关联概率可解释的表达。所提出的系统区别于以往工作的概率算法的方法：先前的基于图文法方法修改初始图的应选择的语法规则是不可逆的，我们的方法娱乐的相邻标记所有可能的解释最终的表达。这可能是由于它的图形语法，可以指定需要规则的优先级，在所有可能的解释为—在迄今为止被保存在一个扩展图。在这框架，所有可能的解释歧义消解的表达是在分析结束，由考虑到由此产生的可能的解释。一种解释的可能性取决于适宜性的符号空间分布的规律和与公认的符号的似然。输出我们的系统是最有可能的解析的输入，随着他们的情况。这是一个重要的优势所提出的系统，为用户可以简单地选择正确解析从名单上，而不是纠正解析结果或重写的表达。

下一节简要描述图克火星，然后我们的方法和实验结果AR在随后的章节中描述。在本文的其余部分，使用的术语指的是字符识别的OCR不久符号和字符的互换是指segmente字符；和节点或令牌是指目前的O组符形式的表达式。

二．图语法

数学公式精确的语法严格的数学的适当的数学定义是什么性表达和正确解析（含义）一个给定的数学表达。语法包括生产规则说明终端和非—终端定义在语法方面，联合产生作为一个结果的规则应用的非终端。例如我们可以举一个简单的字符串的语法，德？NES规则这使得数字和整数如下（这里的10数字终端，而数字和点是非—终端）：数学公式精确的语法严格的适当的数学定义是什么性表达和正确解析（含义）一个给定的数学表达。语法包括生产规则终端和非—终端定义语法方面，联合产生作为一个结果的规则应用的非终端。例如我们可以举一个简单的字符串的语法，规则这使得数字和整数如下（这里的10数字终端，而数字和整数是非—终端。

数字=0,1,2,3,4,5,6,7,8,9

整数={0,1,2,3,4,5,6,7,8,9,}

3

西北工业大学明德学院本科毕业设计论文

图的语法提供了一个形式主义的语法多维数据不能计算处理通过字符串的语法实现。由于他们的介绍解决图像处理问题，图语法被用来在不同的领域，如并行系统，数据库，编程语言和生物学[ 15 ]。在数学表达式的识别，图的语法是—十配合使用图重写的方法初始图形构造标记的表达反复降低到相应的单节点图解析表达式树。在每次迭代中，一个语法规则的选择和应用，当图的电流图的匹配规则的模式图；结果规则的应用，当前图转化为用规则表示。

特别的，规则R =（GL；GR；C；EM）由左侧和右侧图图Gl GR，一个适用性谓词C，和一个嵌入规则了Em。适用性谓词C是一组约束节点和/或边缘的属性值，和不存在一定的边缘，需要满足，以便能应用的语法规则。例如，应用一个规则谓词表示两个标邻近的标记应具有可接受的大小和位置关系。适用的谓词，应用一个生产规则可以限制即使规则有在输入图的匹配。一个生产应用一个图G的规则产生G0，这是表示G）R G0。与生产G）R G0一个发生图G是一个图GL GR生产取代G0按照嵌入规则，EM，如果适用谓词是满意的。嵌入规则规定子图的将子GR在图含有原子GL。在字符串的语法，安置生产是显而易见的，但是在图文法，安置生产图GR必须指定通过嵌入规则的EM，描述如何处理悬边（边缘那个失去一个节点后，GL是从图）和如何连接到现有生产图GR图。一个图G =（N；E）被认为是在图语法GG的当且仅当N 2 N（节点）和E 2 E（边缘）的GG和存在的推导，可以生成G规则从河从图G图G0推导语法GG是德？内德作为一系列产品其中G）RI1 G1）ri2 G2：：：）里克G0。图1显示了一个例规则从图G的导出G0在哪儿标记节点A和C都有替换节点D一个有向边从A到C的嵌入规则表示只有边缘向C和边出应保持。虚节点和边在规则说明可能的额外的节点和边，这可能会或可能不会在实际的呈现。

图1。规则R图给图G0应用。

三、提出的方法

所提出的系统的概述，如图2所示。输入的表达首先分割成孤立的符号(一个字符或中风的字符），每个符号的OCR引擎解释部分识别ii-a.然后初始图的构造，其中的节点a认可的符号和边缘代表德—连接符号之间的空间，如N段iii-b.解析算法应用文法规则的电流图，添加一个新的节点，在每次迭代中的边缘（参见中间记号在图2）。这些新的节点或标记邻近的令牌代表可能的解释。解析过 4

西北工业大学明德学院本科毕业设计论文

程继续下去，直到没有有效的生产电子资金转账。

我们的语法和解析算法的解释的方向III-C. III-D。

A. 分割和字符识别（OCR）

输入的表达首先分割成单独的基于时间维度的特征，即相对两个连续的中风或大之间的时间差特征是用来表示字符边界。然后，在空间上重叠的符号被重新组合（例如两个“+”符号笔划）。

OCR系统是结合支持向量机（SVM）和人工神经网络（ANN），结合使用。它的输入的分段特征参数和输出三个相关的分数。我们从拉维奥拉数据集选择的一个子集[ 5 ]，附录。

预处理包括大小归一化的事对在线数据以减少工件的坐标每个点被映射到一个固定的坐标范围。然后人物形象是通过插值从这些点的创建。特征提取作为输入的调整大小的图像特征，忽略了时间维度。这样做是为了消除在人物画的时空变化，以及允许用户修改的符号和公式后可以完成了方程。两分类,输入功能包括水平，垂直和对角直方图的符号图像的水平，垂直和对角线的深处的黑色像素点符号图像；8的Windows 8黑色像素数在整个符号和图像的宽度和高度的比率。

在这个数据的支持向量机的系统成功率92%。虽然有方法生成后从多类支持向量机分类的概率阳离子，我们使用一个神经网络生成的分类，阳离子的选择和获得可靠的识别欺诈证据。人工神经网络的分类，用是一个1-hid隐藏层前馈神经网络与30隐藏神经元。这个分类的性能低相比于SVM，详细的和高识别88%和97%的比率，分别为。由于支持向量机在的表演更成功，OCR系统采用支持向量机的输出作为首选，并获得下一个两个选择和控制从人工神经网络的研究。什么时候精度是低于国家的最先进的OCR结果，不在这项工作中的主要焦点。

B. 构造初始图

最初的图是从一个标记列表生成通过分割得到通过OCR发动机。在该图中，一个节点对应于一个标记和一个边缘的两个节点之间表明这两个节点在表达的空间布局的邻居。过程可以说正是利用以下定义图形元素：

节点：一个节点是一个元组的n =（t；i；c；A) t 是节点类型的；i 是一个 5

西北工业大学明德学院本科毕业设计论文

独特的识别；c是相同的的规则，构建了节点属性值。一个节点的类型是词法类型的符号，如数字，字母，算子。每个节点知道哪些规则构建自身，所以如果需要的话，整个历史可以产生。在图4中每个方块代表一个图中的节点。

边：边缘是元组E =（t；n1；n2）t 是的边缘型，n1和n2是连接节点在一起的边缘。有三种类型的边缘用解析过程：

? 空间关系的边表示两个节点是否邻居（见定义以下）。

? 组件的边缘的非终端节点及其关系组件，用于生成语法树后解析过程。 ? 生产边缘组件边缘反，连接一个终端和非终端节点到非—终端节点，利

用它。

初始图形空间关系的边缘，只有他们决定胜负，而其他人（组件生产的边缘）被用来跟踪和加速解析过程。

在此系统中，空间关系的边缘不有任何属性，因为我们不区分不同—邻里关系的不同类型（侧，顶部，底部等）；不同的社区类型是隐式的决定每个规则的适用性谓词。我们的优势方法是将空间关系的属性适用性词的规则，而不是判定元件全球空间关系的定义，每个规则可以有它自己的空间关系的定义类别。在这种方式中，而不是拘泥于标记这是写的一个与侧弱y符号附近的边缘，比如下标规则决定如果这两个符号的相对位置后大的应用规则。街道本身是有一个清晰的线他们的包围盒的中心点之间的视线在小于一个阈值计算的距离从表达式中的符号的平均大小。

通常，一个令牌3最佳识别方案与之相关的。然而，如图2所示，如果一个角色可能属于一个以上的类型的符号（如“+”是一个操作数的符号或“t”），然后生成令牌它为了简化解析过程。

C. 语法

我们用一个概率上下文无关文法是二维的基于数学的语法，使用空间布局在本规则的适用性谓词信息。在这个语法，规则是一个元组R =（GR；GL；C）在GL该模式图，GR是产品图和C的应用—谓词，C：通用能力！ftrue falseg通用汽车的地方是一个与GL图形。没有嵌入因为所有的规则，规则的遵循相同的嵌入。正常图语法规则表明，GL被GR但在我们的系统 6

西北工业大学明德学院本科毕业设计论文

中，它表明，GR被添加到图形（如一个新的节点）和GL保留它。

左边的图GL每个规则是一个星形图（一图有一个中心节点和周围的邻居节点只连接到中央节点），和正确的右手边的图的GR是一个节点。图3 GL和两个简单的语法规则的GR图，其中“+”在R1和R2的规则的规则算子是中央节点规则。

对申请的决定规则中最重要的部分来自性谓词。对于大多数的规则符号之间的角度和距离的检查，以及它们的大小。一些规则可以对属性有进一步的检查价值观。例如，用于检查分数的规则，GL具有中心节点代表水平线符号。用性谓词的约束保持宽松，为了保持所有可能的解释数学表达式。例如，上标规则不要求，上标符号较小的尺寸比的基础，但它是不（很）大。

由于匹配节点保持在图中，每个规则也有一个谓语，检查不存在生产的边缘连接到相同的节点GR的规则，以防止再次匹配相同的节点产生相同的产品。这有点复杂解析过程和增加了复杂性，但删除需要定义优先规则。

目前有17的语法规则，包括对于下标，上标的数学规则，运算符（‘+’，‘—

'，' '，和'‘），分数，求和，和积分），以及至于写在多个非符号组合的一些规则—重叠笔划（例如' = '，'‘）。某些终端与非终端定义语法中给出附录。

所开发的系统主要是将手写数学表达式为乳胶容易进入科学文章；因此，在LaTeX代码正确的语法是明确的。然而，系统不了解数学的优先级规则，因此两个或两个以上的可能会产生解析方案对于一个输入，只会得到解决的优先规则（例如，A + BC + D）。然而，由于该系统提供的所有可能的解释给用户，用户可以选择正确的解释的几种可能的解释之间。

D.解析算法

我们的解析算法是一个相当简单的底部—过程。在每一轮中，算法检查什么规则的语法可以在每个令牌是适用的图。如图4所示，最初有4个代币在初始图4节点对应；然后，之后第一轮，两个新的标记（A2和a + b）的生成和添加到图。

7

西北工业大学明德学院本科毕业设计论文

特别地，两个任务必须由解析器进行：寻找一个相匹配的规则模式图和嵌入产生的产品图。因为任何模式图规则是在我们的系统中的星形图，当处理一个节点，分析器查找匹配的规则具有相同的中心节点；然后检查相邻节点和适用性谓词匹配过程。

一旦找到一个匹配的，一个新的节点根据的规则，然后连接到现有的图组件和生产的边缘。空间关系边缘产生新产生的节点在后没有可能的生产是在现有的图左。每个新的节点继承了它的组件的邻居。空间关系的新生成的节点之间的边分开。

为了处理的解析过程的复杂性在所有可能的地方解释保持，我们使用的（可能性）标记的决定扩展这个令牌（即应用规则）。理想的应该是做一个A*搜索，但是目前它是通过一个阈值是动态调整，根据令牌总数和覆盖（如何输入表达式的多标记覆盖）的最好的令牌。

E.消除歧义的解析结果

解析过程的输出是一个图可能的产品是目前。此外，如果输入可以定义的语法，那么至少有一个节点其中包括所有输入符号将在输出图。由于组件的边缘保持产品的历史，一个如果一个表达式树可替代的产生解释节点为根和组件边缘之后，直到达到一个终端节点。

我们计算的可能性，也被称为性，性每一个解析的替代根据预先了解空间布局。OCR输出的概率分布。这些分布—问题，例如为基础的相对大小差异下标符号，都学会了在单独的训练数据。总之，所产生的每一个节点可能是产生的空间关系的平均对数似然节点和构件是似然一个符号的发生概率。

举个例子，在图4的输入，可能标记的a+ b将取决于的可能性的符号“a”的空间布局，“b”和“+”，就规则添加。我们的每一个空间分布模型—分布统计直方图和计算的可能性在两个符号中的一个给定的距离（例如X或Y偏移从“a’和‘+’）相对于该直方图。我们还使用字符识别概率的区别之间的替代分析a+ b和atb共享相同的布局相似，但不同的可能性字母“t”。一个更复杂的表达式的可能性（例如（a + b）2）是由其平均数对数似然性计算通过在每个组件的数量加权组件组件。可能是在每个规 8

西北工业大学明德学院本科毕业设计论文

则进行计算应用。

四、实验结果

开发的系统使用的一部分测试在协会收集的数学表达数据库这项工作

[ 16 ]。完整的数据库包含57个方程每次从15个不同的用户选择，从常见的表达—结论以匹配由王等人[ 17 ]使用的。表达长度范围从7到30个字符长度。测试集由20个方程组成，每个由5个不同的用户。

结果是在与表达分析—精度（产生的胶乳的代码方程正确的）；结构的识别精度（乳胶代码除了OCR错误纠正）；字符识别精度，说明如表IV。

任务准确性计数

正确认识17% 17 / 100的表达

正确的结构分析50% 50 / 100

正确的字符识别 79% 1100 / 1410

表一整体准确度（5用户×20表达式）

任务准确性比例

表达长度小于等于1025 / 100

正确认识表达52%13 / 25

正确的结构分析88% 22 / 25

表达的长度趋于[11 30] 75 / 100

正确认识的表达5,33 % 4 / 75

正确的结构分析 37,33 % 28 / 75

表二分析表达式的长度方面的结果。

我们看到，方程的识别精度较低（17%），这是不是很奇怪的DIF水平的问题；但结构识别精度也不是很高（50%）。这可以通过事实的解释整体结构误差影响的意义.明显的OCR精度。例如，如果一个括号，积分号或正号误识别，结构分析失败。不幸的是，这些特殊的字符中的这也招致最大的OCR错误。事实上，性格出现在方程的特征识别的准确性远低于孤立的字符的准确性在这项工作中（79% vs. 91%）。表二显示根据表达式的长度误差分布。

准确的结果在网上数学文献报道数学表达式识别显示出很大的差异 9

西北工业大学明德学院本科毕业设计论文

（27用于识别和91-98页%的结构识别75%。你必须小心比较结果，为系统在许多方面不同，从语法的复杂性为了测试数据库的大小和复杂性。除了使用不同的数据库，其中一个重要的因素，增加报告的结果的准确性是给予反馈对用户在他/写在一个完美的结果分割和字符识别。在10秒的测试从每个用户和4的表达，我们测试了这个场景通过手动标记的表达式和进入正确的识别结果，导致85%的正确结构承认失败，通常只长表达式的时间了。

五、结论

我们提出了一个数学表达式的识别系统—而且，使用一个二维的图形 语法所生成解析表达式的替代品，随着他们的喜欢。鉴于数学表达式识别问题远未解决，这是一个重要的特征由于用户可以从列表中选择正确的选择，而不是乏味的校正输入或输出。在该系统中使用的语法是一个明星的语法，消除了因为规则，指定规则的优先级的需要不要删除任何节点，使得它很容易扩展语法。

解析器的指数复杂度是一个问题图语法。在我们所有的语法，GL是星图这使得更容易的子图匹配。目前，该系统—TEM在1-10秒每表达的大多数作品的表达，虽然有偶尔的时候解析器超时。我们在实施过程中最好的。第一个搜索算法在规则生成应用于合理的解释（如所指示的计算的似然性）。

六 、确认

这项工作是由科学的支持和技术项目107e271土耳其研究委员会。我们感谢审稿人的有益的建议和批评。

10