计算机信息处理技术论文范文
大数据时代的计算机信息处理技术主要是针对海量数据存储、管理、备份、处理、提取以及有效保障数据安全、有效、保密的数据处理技术。下面是学习啦小编给大家推荐的计算机信息处理技术论文范文，希望大家喜欢!
计算机信息处理技术论文范文篇一
浅析大数据背景下的计算机信息处理技术
摘要：该文主要简单分析了大数据背景下的计算机信息处理技术，从大数据的定义入手，分析了大数据的产生对计算机信息处理技术带来的挑战，在此基础上，说明了分布式存储、数据挖掘、信息安全等大数据背景下的计算机处理技术，并详细介绍了数据挖掘的C4.5决策树算法思想、k-means聚类算法思想以及信息安全中的加密算法的基本机制。
关键词：大数据;分布式存储;数据挖掘;信息安全
1概述
随着科学技术的不断快速发展以及国民经济的快速增长，基于互联网络的计算机应用逐渐在社会的各个行业中得到广泛应用，我国社会正朝着数字化、网络化、信息化的方向快速发展。由于计算机技术以及互联网络技术的广泛应用，在互联网络中产生的数据非常大，可以说人们在享受信息时代为社会生活带来无限便利和快捷的同时，也逐步向数据时代步入，而海量数据的生成，对传统的IT信息处理技术和计算机结构框架来说，虽然没有致命的威胁，但是人们时时刻刻都需要对海量的数据进行存储、处理、传输、计算、搜索等任务，这对于当前互联网络和计算机系统快速响应终端用户的请求以提升服务质量来说，也是非常巨大的挑战。所以，对于当前大数据时代的计算机信息处理技术技术的研究与分析，对于提升IT系统运行效率，优化企业生产效率来说，具有非常重要的现实意义。
2大数据时代的数据信息处理挑战
大数据(Big Data)的定义需要从两方面理解，第一是从数量方面，是指需要处理或存储的对象的数据量非常之大，是传统信息处理技术在适当的时间内难以完成数据处理任务的;第二就是这些数据中包含了很多有用的信息，可以通过专门的将这些信息提取出来以指导和决策人们未来的行为。大数据是当前互联网络和计算机信息系统的大量应用的必然结果，而这样的必然结果，并不意味着是一种累赘，如果取舍得当，反而是一种非常重要的资源和无形财富。所以，大数据的产生对于现代的社会是一种机遇，对于经济的促进和发展也是良好的催化剂，如果一个企业能够抓住对大数据信息处理技术的核心技能，那么必将在未来IT市场上占据一席之地。那么，大数据对数据信息处理带来了哪些挑战?
首先，大数据带来了巨大的存储压力。可以以海量来称谓的数据量，对于当前的数据存储技术是非常大的挑战，传统的观念或者数据管理系统对于大数据的存储与管理已经捉襟见肘，如何良好地将这些海量数据有序地存储，并且选用优越的数据管理机制进行数据压缩、备份、管理等都是当前大数据背景下所需要考虑的问题。其次，数据查询问题。传统的直接查询的数据库管理系统已经很难应对海量数据的查询，一个存储量在GB级别的数据表的遍历查询都需要十几个小时来完成，所以如何快速地实现对大数据的查询和提取也是当前继续解决的问题。最后，数据安全问题。互联网络中各种系统层出不穷，各式各样的数据都需要相互传输，这些都为网络恶意攻击者提供了可乘之机。各种社会工程学攻击、病毒、木马、系统后门等恶意行为都时时刻刻威胁着大数据信息的安全，如何能够保证大数据中有效信息不被泄露或恶意篡改，这也是当前大数据时代亟须解决的问题。
3 大数据背景下的计算机信息处理技术
大数据的发展推动了计算机信息处理技术的快速发展，当前计算机信息处理技术为了能够满足大数据量的数据信息处理需求而得到快速更新。
3.1 分布式存储技术
分布式存储技术是当前专门应对大数据存储的问题而发展起来的。由于大数据的海量数据使得传统模式的单个数据库很难存储，同时应对管理以及备份等工作，分布式存储技术打破了传统的思维，利用网络专线或者高速网络将多个数据库存储服务器搭建在一起，形成一个总分形式的分布式存储系统，而上层的总与下层的分的特殊结构之间则是通过数据之间的逻辑关系串联起来。在结构上看，分布式系统中同一个数据链中大数据可能随机分配到不同的数据库服务器中进行存储，而由于数据库存储服务器彼此之间特殊的数据逻辑关系，看似分离的数据却又在逻辑上得到统一。分布式存储技术，不仅解决了海量数据的存储问题，而且多个服务器的共同服务还提升了大数据的高通并发性，解决了数据串行处理反应时间长的问题，大大提升数据处理性能。
3.2 数据挖掘技术
数据挖掘技术是主要应对大数据数据处理的而兴起的、体现人工智能处理的计算机处理技术。数据挖掘技术多采用仿生学的手段，按照人类思维的方式，将海量的大数据进行处理，最终从海量数据中过滤出对企业生产或决策有用的信息，进而指导人们的行为。数据挖掘的主要流程包括数据选取、数据预处理、数据挖掘、数据分析与评估。首先对大数据的有效部分进行选取，然后采用数据预处理的技术对数据中的无效数据、冗余数据、零数据等进行清洗和删除，然后采用数据挖掘的技术方法对有效数据进行挖掘，最后将有用的数据，通过专门的应用系统进行分析与展示。其中，数据挖掘技术是采用人工智能的思维方式而设计的数据处理技术，主要包括决策树、聚类、神经网络等多种数据处理技术，通过数据挖掘的处理，最终对清洗后的数据进行有效地分类，最后通过专门的应用系统对分类的数据进行分析、处理、展示，从而使用形象直观的方式展示有价值的数据信息。
在整个数据挖掘过程中，真正体现人工智能数据挖掘分析的是数据挖掘环节，数据选取、数据预处理以及后期的数据分析与评估都是数据挖掘之前的准备工作以及数据挖掘之后得到有用新的常规数据处理工作。数据挖掘技术包含了很多技术和算法，例如以二叉树原理为模型的决策树技术以及智能分类的聚类技术，这些都是以数据分类为核心的数据挖掘技术。决策树是以二叉树为基本模型，所有的数据都需要通过决策树的根节点，然后按照固定的算法分析，流向其子节点，依次计算指导最终的子节点。
某个数据经过该模型是，首先按照固定的算法进行计算，分析出该数据与父节点的差异度，然后根据结果流向其子节点。例如，一个对电子产品非常喜爱的人，在经过决策树模型之后，其会流向“购买”的子节点一类中。在数据挖掘过程中，经过选取和预处理的数据，都要经过决策树模型进行分类，最终落到其相关的区域中。决策树的模型相对比较简单，关键环节就是如何判断一个数据归属于哪一个节点。在决策树的C4.5算法的具体实现中，在对数据分类分析环节加入了信息增益比的概念，即待挖掘的数据通过计算信息增益比，比值比较高的进入到相应的节点中。简单地理解就是，源数据落入两个子节点的概率计算，概率高的即进入该分类节点中的可能性就比较大。
聚类技术则是另一种数据挖掘分类技术，与决策树专门比值计算不同，聚类算法是无目的分类。即采用聚类算法分析数据时，只需要将其定义分为几个簇群即可，并不用指定分成什么样在簇群。在聚类技术中，k-means算法是常见的一种算法，其核心思想就是通过指定的簇群个数，将源数据的数据生成对应个簇群中心，然后离该中心较近的即为该簇群数据。那么，在k-means算法的核心向就是如何生成簇群中心以及如何判断源数据与该簇群中心的距离。K-means算法采用欧式距离作为源数据与簇群中心距离的计算公式，首先按照分类个数任意选取对应个数的数据，然后将该数据作为每个簇群中心，然后将源数据与簇中心计算，在限定距离范围内的数据即可划分到相应簇群中直至结束。最后将每个簇群的数据计算其平均值，并且与原有簇群中心进行比较，如果不符合要求，则将该平均值作为新的簇群中心，再次从头循环分类源数据，直到簇群中心值与新的平均值比值符合一定的要求，即可结束算法处理过程。经过k-means算法的聚类过程，最理想的结果就是平均地得到了对应个数的簇群，从而实现限定簇群个数的聚类过程。
3.3 信息安全技术
信息安全技术是大数据时代对数据保护的一道屏障，是保障大数据有效保密的处理技术。一般的信息安全技术包括数据加密、身份认证技术、隧道技术的网络等。当然，这些信息安全技术都是在一定程度上保障了数据信息的安全，并不能完全杜绝例如由于应用系统的自身安全漏洞而引起的安全问题。所以，在大数据时代下，首先要加强IT网络自身安全体系框架的构建，加强运维部门或相关部门的监控运维力度，同时要加强IT网络框架安全测试的理念，采购良好的、稳定的IT安全运维方案，从而有效地保障大数据时代的数据信息的安全。
在信息安全技术中，数据加密算法是一直以来都在广泛应用的算法，不同的加密算法在不同的数据环节中有不同的应用，例如在数据存储时，常用MD5算法对数据进行加密存储，该算法常应用于存储数据验证型的加密存储，例如用户密码。MD5算法是一直不可逆的算法，即按照原始数据添加、数据分解、数据初始化以及处理的过程，将任意长度的字符按照固定的MD5算法，经过多次的循环计算，变成128位长度的存储数据。在身份认证环节，当系统用户输入登陆凭证之后，系统的应用会将该字符串进行MD5加密处理，生成固定128字节的字符串进行传输，并与数据库中的存储字符进行对比，从而完成系统用户身份验证。MD5算法只是单向加密，一般情况下，不可能通过逆算法得到原始数据。而恶意攻击者则通过各种方法来破解讲过MD5算法机密的哈希值，例如彩虹表对比、密码嗅探等等。而在数据传输过程中，加密的数据是需要在接收端呈现出原始数据值的，那么就需要有解密算法对加密值进行解密处理，不同的算法，加解密的计算过程不一样，关键是在在加解密的密钥处理上。之前，一般的加解密算法采用的是对称密钥，即加密算法和解密算法的加入密钥是相同的，但是这样在具体实现上也存在一定的安全风险，对于密钥的管理工作却成了困扰系统设计人员的核心问题。现在的不对称密钥的加密算法，通过公钥和私钥的密钥管理机制，极大地提升了数据加密的信息安全程度，为当前大数据时代信息数据的安全保密性带来了极大的保障。
4 总结
大数据时代的计算机信息处理技术主要是针对海量数据存储、管理、备份、处理、提取以及有效保障数据安全、有效、保密的数据处理技术，只有信息处理技术顺应时代发展的需要，才能使人们在大数据时代享受更高质量的服务。
参考文献：
[1] 张允壮，刘戟锋. 大数据时代信息安全的机遇与挑战：以公开信息情报为例[J]. 国防科技， 2013(02).
[2] 赵英伟，郭凯. 浅谈信息处理技术的发展[J]. 信息通信， 2014(12).
计算机信息处理技术论文范文篇二
试论大数据时代背景下基于云计算的未来图书馆数字信息资源建设
摘要：大数据时代的到来为图书馆服务提出了挑战，图书馆的传统业务受到冲击和压力，在大数据环境下使用云计算技术发展业务将成为图书馆未来的发展趋势。本文介绍了大数据和云计算的概念和特性，阐述了现阶段图书馆信息资源建设所面临的问题，分析了云计算在未来图书馆信息资源建设中的应用，最后探讨了云计算在数字图书馆中应用需注意的问题。
关键词：大数据;云计算;图书馆;信息资源建设
1 大数据
1.1 "大数据"的含义和分类
大数据之所以被称为大数据首先因为它的数据是海量的，而且目前随着科技发展，随着人们对互联网的依赖程度不断提高，这个海量的数据正在超速增长。其次，大数据是海量的数据被整理纳入大数据仓库里，然后对其进行分析挖掘，再利用有价值的结论进行下一步行动的决策[1]。
大数据从数据内容结构上可分为结构化数据、半结构化数据和非结构化数据。结构化数据即行数据，存储在数据库里，可以用二维表结构来逻辑表达实现的数据，在形式上有诸如文字、数字、符号，能够用统一的形式加以标识。非结构化数据包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像、音频和视频信息等等，这些内容无法用简单的逻辑表达实现，分析起来也需要特别的硬软件。半结构化数据，就是介于结构化数据和非结构化数据之间的数据，它一般是自描述的，数据的结构和内容混在一起，没有明显的区分。
1.2 图书馆的"大数据"
图书馆的大数据首先包括书目数据。这些数据一般属于图书馆稳定的结构化数据，目前这些数据的使用多用SQL工具分析。对于结构化的数据，小规模的数据，目前的分析工具足可以用了。对这些数字化书目数据做分析可以反映出一个图书馆馆藏的级别、服务的对象、服务的倾向和服务的质量。
图书馆的大数据虽然以结构化数据为主，但随着图书馆新服务的开展，图书馆与读者的互动信息，以及读者面对图书馆的各种信息行为都会被记录，这些信息将成为图书馆大数据中的非结构化数据。这些动态的非结构化数据可以来自图书馆业务内容，也可以来自读者服务体验。
2 云计算
2.1 云计算的概念
云计算是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)以及Internet 结合起来的新的网络资源提供模式。云计算是以虚拟化技术为基础，以网络为载体，以提供基础架构、软件、平台等服务为形式，整合大规模可扩展的计算、数据、存储、应用等分布式计算资源，进行协同工作的超级计算模式[2]。它不仅是资源的简单汇集，而且为我们提供了一种管理机制，让整个体系作为一个虚拟的资源池对外提供服务，并赋予开发者透明获取资源、使用资源的自由。
2.2 云计算的特点
2.2.1超强的计算能力
云计算由成千上万台服务器组成的集群能赋予用户前所未有的能力。用户可以拥有超大的存储和管理空间，以及超强的计算能力。
2.2.2海量的存储空间
云计算为数据的存储提供了广阔的空间，它是将大量的服务器集群共同组合在一起，形成巨大的空间，所有的数据通过云计算中心运算处理后返回给用户。
2.2.3可靠的安全保障
云计算使用了数据多副本容错、计算节点同构可互换等措施来保障服务，存储在云里的数据资源丢失或硬件崩溃都不会受到影响，云计算技术存储数据安全可靠。
2.2.4便利的资源共享
由于是将大量的信息汇聚成一个整体，对于同一资源可以供多方共同使用，从而避免了资源不必要的重复，进而提高了信息资源的共享程度。同时，云计算可以针对不同应用即时应对，规模可以动态伸缩，云计算下的资源可以根据应用和用户规模增长的需要随时进行动态扩展和配置。
2.2.5良好的系统兼容
对于不同的操作系统，不同的数据格式，不同的数据库之间的数据，云计算可以通过一站式检索不同系统中的相同信息，系统之间可以无缝连接和访问。
3现阶段图书馆信息资源建设面临的问题
图书馆的数字资源包括图书馆引进或自建的，拥有磁、光介质或网络使用权的数字形态的文献资源。根据数字资源的种类可分为：电子书、电子刊、二次文献数据库和其他数据库。根据数字资源的存在形式可分为：在线资源和本地镜像资源。根据数字资源的来源可分为：购买的数据库、自建数据库、试用数据库和免费数据库[3]。现阶段图书馆都是各自为政，在建设的过程中存在着很多问题。
3.1 数字资源重复建设问题
目前，馆与馆之间数字资源的建设都是相互独立的，在建设过程中都是按照学校经费多少和专业的需求进行资源建设，一般都不会考虑其他馆的建设情况，只埋头建设自己的数字资源。这样势必造成了大量的人力、财力的浪费，从宏观的角度看不利于高校图书馆的发展。
3.2 存储及检索技术问题
随着数字图书馆的发展，图书馆的数字资源海量增加，而其数据管理、备份、存储设备能力都十分有限。同时，数字资源的图片检索技术、多语言检索、不同数据标准之间的数据交换、人机交互技术、数字图书馆所需的软件和工具等都还有待于技术上的进一步发展[4]。
3.3 信息资源共享问题
目前，图书馆资源的共享往往局限在一些对口的、接口相同的数据资源上。由于数字图书馆平台技术不统一，各馆间有的数据无法相通，这样就谈不上共享。
4 云计算在未来图书馆信息资源建设中的应用
图书馆信息资源建设的最终目的是为了满足用户的需求，提高服务质量。云计算的出现使分布在互联网中各个图书馆的资源和服务整合成为一个整体，使其服务的时间、空间、服务方式等有了无限扩大完善的可能。分析云计算的特点和它所提供的服务形式，我们可以看出，云计算的模式也适用于图书馆的数字信息资源建设。
4.1 云计算可提供图书馆海量信息资源数据存储的能力和提升数据安全。
图书馆的基本功能之一就是存储资源。随着时代的发展和科技的进步，各种信息资源呈爆炸性的增长。目前图书馆通过增加存储能力来满足日益增长的资源空间已经力不从心。云计算采用分布式存储的方式存储数据，数据不再存储在本地硬盘，而是通过网络存储在云计算系统中，可以容纳海量数据，并且不断更新和增加，为数字图书馆不断增加的电子数据提供海量的存储空间。同时，云计算采用冗余存储的方式来保证存储数据的可靠性，即为同一份数据存储多个副本。在数据管理方面，云计算使资源更加高速、高效地存取，使数据的操作频率远大于更新频率[5]。
4.2 云计算可实现图书馆的数字信息资源整合以及共建共享
云计算的一个核心内容就是对"存储内容"的整合与应用。云计算技术为数字资源的整合铺平了道路，它不仅为实现多种资源的全面共享创造了统一的信息资源平台，而且屏蔽了信息资源的不同格式，解决了各类数据库的数据标准化和接口问题。基于云计算的数字图书馆将异构分布环境下不同来源的海量数据资源进行统一整合，可以极大地提高信息资源的利用率，实现数字信息资源的共建共享[6]。
4.3 云计算可提高图书馆信息资源的利用率和信息服务的能力
云计算通过对各种资源、格式使用统一的管理平台，共享应用和数据，实现更大的网络效益。图书馆的电子资源将存储在"云"里无数服务器中，而不是存储在单独的某台计算机中。利用云计算整合跨数据库、跨地区数据能力，实现对各类型数据库的云整合，形成各类型信息资源服务云，提高信息资源的利用效率。同时，利用云计算，用户可以在图书馆任意一个角落随时随地使用已有的"云"中的资源与计算服务，这样简化和压缩了图书馆信息组织、信息服务以及信息获取的过程，提高了图书馆信息资源的利用效率和社会价值。
5 数字图书馆使用云服务需注意的问题
5.1 数据安全性与保密性
图书馆中哪些数据置于云端，哪些数据需放在本地是图书馆需研究考虑的问题。图书馆书目信息、读者个人信息、电子资源数据库等信息资源需进行梳理，然后再研究确定如何存放。关于图书馆读者信息等个人隐私方面信息，更多是政策层面的问题。
5.2 信息资源共享中的版权问题
"云"模式的数字图书馆之间通过有关协议共享彼此的信息资源，在提高信息资源共享的同时，可能因为版权问题而引发纠纷。随着数据挖掘、系统共享、信息共享技术的不断开发，置于公共云端的数字资源有可能成为信息资源共享使用中的对象而产生版权问题。所以，云计算环境下信息资源中的问题，既要保障信息资源的共享性，又要达到内容不受侵犯等知识产权问题，值得关注[7]。
5.3 网络质量问题
搭建数字图书馆的云计算服务平台时，需要考虑到网络通信能力的好坏。由于用户的访问和应用都取决于图书馆的云端服务，网络的高带宽和流畅性至关重要。云计算是客户端性能最小化、在云计算网络中完成的高效信息处理，这对云计算集群服务器的性能有较高的要求，同时，网络中通信设施也需要高性能，才能保证将云计算的服务高质量地传给需要的用户。
6结论
"大数据"是高校图书馆未来发展无法逃避的发展趋势。云计算模式的出现，给数字图书馆的发展提供了更多的技术和服务支持，把云计算运用到图书馆中，不仅可以提高资源的利用率，节约图书馆的资源，也可以给云计算带来一个新的应用领域。以信息服务工作为己任的高校图书馆，如何以"大数据"的思维重新认识高校图书馆，如何利用云计算技术将已有的数据资源进行有序组织、深入挖掘与开发，如何进一步推动数字图书馆的发展，成为高校图书馆未来发展的关键。
参考文献：
[1]郝志刚，大数据、云计算与图书馆[J].新世纪图书馆，2014(6)：36-39.
[2]朱勇，浅谈云计算与图书馆数据中心[J].科技情报开发与经济，2010(24)：72-74.
[3]于健，云计算与图书馆未来数字资源建设[J].情报探索，2012(6)：63-65.
[4]卢晓娟，云计算与未来图书馆数字信息资源建设[J].四川图书馆学报，2009(2)：23-24.
[5]蔡惠霞，浅议云计算与图书馆信息资源建设[J].内蒙古科技与经济，2012(14)：36-37，39.
[6]尚武，杨涌，云计算与数字图书馆的发展[J].中华医学图书情报杂志，2013(1)：48-49，56.
[7]高晓燕，云计算在图书馆中的应用探究[J].高校图书情报论坛，2010(2)：49-52.
计算机信息处理技术论文范文篇三
谈计算机文字信息处理技术的发展历程及影响
传统模式的文字处理技术，无论是从字样整体的辨别率、模块的调整还是使用的范围来说，都已不能满足现代生活的需要。而现代文字处理技术采用的是曲线模式的调整，通过对外围轮廓与内部轮廓不同幅度的调整，使文字的弯曲程度以及辨别率都具有较大的提高。
1 计算机文字处理技术发展历程及分类
1.1 文字处理技术发展历程
随着现代科技技术的不断发展，文字表现形式凸显模式多种多样。主要是以“非黑即白”的演化模式表现现有文字，在技术上主要以点阵、向量以及曲线，字体分为点阵模式，点阵包括左右结构、上下结构，文字排序结构按照字体模式把单个结构进行解体。向量主要是以字体的笔画顺序连接而成，向量既有大小又有方向，在文字处理技术上，向量技术主要对文字平面设计进行处理，文字内的横和竖的排列关系都是按照向量模式进行配比的，假设没有合适的向量关系，就使文字失去了原有的价值观念，没有整体性的方向感。曲线技术处理文字的效果主要是显示文字整体的量化性，使文字整个笔画连续起来，这样才能保证文字在后期处理效果上，显现出的不只是流线形的整体美感，而更重要的是文字能够在显示屏幕上正确地表示出来，这样才是文字最终的处理技术。
1.2 文字处理技术之点阵字
文字点阵字处理技术是采用0和1点阵的图形来描述文字像素效果，点化成面、面化成体，这种拼凑的技术效果在文字处理上显得尤为重要。点阵式利用电平之间的跳变，画出文字的点阵符型。假设在处理文字“周”的点阵结构上，在电平跳变模式上打出0和1像素的包含点，在外边框进行电平0的跳变，在半包围结构内进行1的跳变，像素点化成型模式便能根据不同的电平点进行处理，这样在后期打印排版时节省搜索像素的时间，通过0和1像素分配点的不同对文字进行整体控制，加大了文字的分辨率，根据800×624点像素的分辨率对文字进行识别，文字在组合上不会出现因识别率低造成不能识别的现象。但这种技术也具有一定的弊端，数据流量大，在文字整体边缘模式易产生锯齿，文字在组合上不能进行有效地旋转和移相。
1个像素点含有2个字节数，每个字节含有的信息数据量为8bit，这样在集成像素点空间数据流量上就增大了存储空间。产生锯齿是由于像素点排布均匀造成的，文字集成的像素点比较多，计算机在扫描过程中对2um范围内的空白处，都进行了像素点的集成，造成在后期曲线成型上出现的锯齿较多。文字的旋转和移相，文字的旋转需要点阵模板的转换，转换过程中使像素点的电平发生突变，0电平会因为瞬时的转置，造成在像素点的偏移，该位置处不会出现像素点，产生局部化的空白。变形是根据点阵字相位的偏移进行集成的像素，变形时需要把文字进行放大或缩小，在放大过程中，会把像素从中心点位置处向边缘化扩张，使点阵图的偏置随着偏移量的变化变大，假设文字在放大过程中，由于点阵图偏移量的变化幅度控制在0.4um～0.6um范围内，点阵图对应的像素点便会扩大至原来的2.5倍。点阵图的缩小也是这样进行的。
1.3 文字处理技术之向量字
向量字处理技术是一种利用有向线段来描述文字的外围轮廓，每个文字的组成部分都包含有笔画的结构部分，假设文字结构没有笔画结构，整体效果便会显得很复杂化，加大后期文字简化的难度。向量处理的文字技术采用多线段的方式拼凑文字的外围结构，每个文字都是由多个线段构成，并且线段分为有向线段和无向线段，有向线段在文字处理技术上被广泛采用，在有向线段处理的技术上添加了矢量协议，保证整体线段的构造既有大小又有方向，在文字外围轮廓上还有具体的坐标点。假设处理问题“量”字的结构模型时，向量的有向线段会把整体结构分为上中下三部分结构，每部分结构含有向量的有效值不一样。上半部分为“曰”，该字整体结构为全包围结构，在矢量线段处理上，上下线段在数值上大小相等，方向相同，在左上点标记坐标原点，进行矢量线段的绘制，设左上点的坐标为(0，0)，右上角的坐标值变为(2，0)，便能拼凑出上半部分的整体结构。再统计左半边的坐标数值，分为负半轴结构，表示的坐标点为(0，-2)，这样便能有效地确定出左半边的字画结构。通过这种模式的描绘与计算，设计下半部分结构根据坐标值序号之间的连接，便能很快把整个字体的模式有效地折射在坐标轴上。
向量字段文字的处理技术具有以下优点：文件信息量少，与点阵式相比，不用进行文字的打点。而是采用整体绘制的方式，占用整体的信息量少，对于一般的笔画数，含有的信息量为4bit，整个文字包含的信息量与点阵式的像素点相差甚多。向量采用的是整体结构，流程简化，在原有的基础上便可操作。但从复杂角度进行分析，向量的弯曲度很难掌控，线段弯曲程度与折线的条数有关，折线的条数越多，则弯曲程度的复杂性就越大，使文字在整体表现效果上很难达到平整的自然过渡。假设计算机文字向量处理技术在某字段弯曲部分的笔画数较多，存有折线的复杂性较大;向量在集成点处存有的字节片段较多，弯曲程度加大。
1.4 文字处理技术之曲线字
曲线文字处理技术采用的是正交曲线的变化关系，在一次线性代数关系式中y=kx+b与二次线性代数式y=ax EMBED Equation.3+bx+c中未知函数变化的幅度不一致，在后期字模成型的样本也不一致。假设利用曲线文字处理技术在处理“图”字时，首先利用一次函数关系式y=kx+b对外围轮廓线进行描绘，确定文字各点的不同位置。再利用二次曲线函数关系式y=axEMBED Equation.3+bx+c对内轮廓线的精确度进行细致化的调整，统一对各部分的线型关系进行规划。这种处理技术精确度高，采用不同的线性函数关系对文字的内外轮廓线进行统一调整，这样在无极倍数上可扩大无限次。并且，这种文字处理技术的印刷度高，一次可成形多个版本的字体，通过调节函数内外轮廓的对比度进行放大和缩小。假设对字体模式的变换中对一次函数y=kx+b中，k的取值进行变化，通过调节幅值的变等关系，使外围轮廓幅度的误差降值6%左右。
2 计算机文字处理技术对人类文化的影响
文字处理技术对人类文化发展具有积极的影响，首先确立了不同的感官字体。通过处理技术中点阵字、向量字以及曲线字的演进，在产生文字边沿的锯齿、信息量的大小以及整体的外观形象都具有非常大的发展。例如，文字边沿的锯齿的磨合，早期利用点阵字的处理技术，由于像素点偏振集中性强，使在文字的外边沿产生大量的像素集成点，在后期点成线的规划阶段时，各个像素点模糊性强，不能连成有效的整体部分。后来利用曲线式文字的处理技术，为文字处理的过渡提供了有力的平台。曲线成型的文字字模接近完美的饱和度，利用一次曲线成型外围看轮廓，利用二次曲线对文字内部的勾画进行合理的调整，使文字整体的美观感受接近理想状态。原有文字处理技术出现的误差率非常大，并且文字成型版块没有固定的模式。在印刷处理上，文字的外围轮廓与内部结构之间的结构几乎相连，造成文字的辨别率差。
由于现有技术的不断发展，原有处理文字的技术被淘汰，采用现代化计算机处理技术，对人类文化的发展具有积极的影响。传统印刷处理上还是采用的是人工印刷，效率低、辨别率差、整体美感达不到人类的要求标准。但采用计算机文字处理技术，这种现象有大幅度的改善，其中包括文字的字样、辨识率、流线性、字符模块的版面都具有人性化的设置，字样包括宋体、楷体、微软雅黑、仿宋等，满足人们在计算机上处理文字的要求。
3 结语
人类文化的发展过程中，文字处理技术的演化包括多个阶段，每个阶段的变革对文字处理技术都具有积极的一面。计算机文字信息处理技术满足了人类对字样的分析标准，扩宽了用户文字种类使用上的范围，对各种字体的字号、模块也可随意调整，这样的文字处理技术将会带来更多的发展前景。
猜你喜欢：
