外国留学生的手写汉字因受其母语及汉语水平的影响，会出现多种类型的书写错误，这是汉语国际教育中汉字教学的难点之一。采用数码纸笔采集的外国留学生手写汉字含有笔画及其采样点的时间和空间等信息，从而可以有效地分析其书写过程，有利于提取各种书写错误。 本书主要研究识别具有笔画错误的汉字，匹配书写笔画与模板笔画，并提取多种笔画错误；采集了来自14个国家的外国留学生的手写汉字共计19000余份，涵盖500余种字形；开发了原型系统，对汉字识别、笔画匹配、可视化与人机交互校正、笔画错误提取等进行了实验；根据学生的汉字学习过程，原型系统在真实教学场景中进行了跟踪实验。

第一章 绪论
1.1 选题背景
1.2 研究问题
1.3 本书工作
第二章 国内外研究现状及分析
2.1 单字提取
2.1.1 相邻笔画时间和空间距离的方法
2.1.2 语境方法
2.1.3 机器学习方法
2.2 汉字识别
2.2.1 结构方法
2.2.2 特征提取方法
2.2.3 深度学习方法
2.3 笔画匹配
2.3.1 笔画模板方法
2.3.2 图匹配方法
2.3.3 笔段匹配方法
2.4 书写错误提取
2.4.1 评价对象
2.4.2 错误提取方法
2.4.3 评价反馈方式
2.5 本章小结
第三章 基于多层次信息的单字提取方法
3.1 递归分割方法
3.1.1 基于初始分割结果的数据分析
3.1.2 递归分割算法
3.2 面向错误分类的分割方法
3.2.1 错误分类归纳
3.2.2 面向欠分割的分割方法
3.2.3 面向过分割的分割方法
3.2.4 性能测试
3.3 基于单字提取结果的自适应可视化方法
3.3.1 可视化方法进展
3.3.2 基于重叠的自适应可视化方法
3.3.3 基于可信度的可视化方法
3.4 针对单字提取结果的交互式校正方法
3.4.1 基于可视化结果的交互式校正
3.4.2 基于用户意图的交互式校正
3.4.3 性能测试
3.5 本章小结
第四章 基于书写层次模型的手写汉字识别方法
4.1 基于笔画名称和整字结构的识别方法
4.2 部件结构的分类
4.3 基于 HMM 的笔画识别
4.3.1 HMM 分类器的训练
4.3.2 汉字中笔画的识别
4.3.3 基于笔画名称序列的筛选
4.4 实验结果
4.4.1 根据汉字笔画数分类
4.4.2 根据不同部件结构分类
4.4.3 根据笔画错误类型分类
4.5 基于 HCRF 的笔画识别的改进方法
4.5.1 HCRF 分类器的训练
4.5.2 HCRF 分类器的实验结果
4.6 本章小结
第五章 基于遗传算法的笔画匹配方法
5.1 遗传算法的基本设置
5.2 自适应编码方法
5.2.1 序列编码
5.2.2 最大值编码
5.2.3 子笔画编码
5.3 基于结构和书写特征的适应度函数
5.3.1 全局特征
5.3.2 局部特征
5.3.3 适应度函数的评价
5.4 实验结果
5.4.1 根据笔画数分类
5.4.2 根据部件结构分类
5.4.3 根据笔画错误类型分类
5.5 本章小结
第六章 针对笔画匹配结果的可视化及人机交互校正方法
6.1 多感知层次的可视化方法
6.1.1 基于颜色感知层次的表示
6.1.2 采用图形符号的笔向表示
6.1.3 采用数字序号的笔顺表示
6.2 标记表示方法
6.2.1 标记列表的定义
6.2.2 标记类型的表示
6.3 基于标记列表的校正方法
6.4 实验结果
6.4.1 可视化
6.4.2 交互校正
6.5 本章小结
第七章 基于标记列表的笔画错误提取方法
7.1 标记列表与笔画错误的对应关系
7.2 自适应错误提取
7.3 实验结果
7.4 本章小结
第八章 数据测试与结果分析
8.1 数据采集
8.2 数据测试
第九章 结 论
附录 1：摹写、听写纸张样图
附录 2：22名学生实验数据样图
参考文献