论文部分内容阅读
本文提出了一种基于贝叶斯分类的汉字编码自动识别方法,该方法将被识别文本看成连续字节流,选取字节作为识别特征.首先在训练语料中统计各种编码的字节分布概率,然后在识别文本中提取若干个特征点计算被测文本为每种编码的概率,采用最大概率原则得到识别结果.实验结果显示,此方法准确率高,速度快,而且可扩展性强。