莫伯峰
- 作品数：22 被引量：29H指数：3
- 供职机构：首都师范大学更多>>
- 发文基金：国家社会科学基金教育部人文社会科学研究基金教育部重点实验室开放基金更多>>
- 相关领域：历史地理自动化与计算机技术语言文字文化科学更多>>
- 一种基于局部CNN框架的甲骨拓片分类方法
- 本发明提供一种基于局部CNN框架的甲骨拓片分类方法，包括：对甲骨拓片图像进行区域划分，将图像划分为盾纹区域、齿纹区域和非盾纹非齿纹区域；基于CNN框架对划分后的各区域进行训练，提取各区域特征，建立甲骨拓片的分类识别模型；...
- 陈善雄莫伯峰高未泽林小渝李然康
- 文献传递
- 从字体类型看甲骨文“阜”字及字符“阜”的四种形体——兼与雷缙碚、喻遂生二先生商榷
- 2016年
- 1．引言
《中国语文》2015年第3期刊登了雷缙碚、喻遂生二位先生的文章《甲金文“阜”字及字符“阜”的两个来源》（以下简称“雷文”），该文通过发现甲骨文中“阜”字及字符“阜”的两种形体呈互补分布，进而认为“小篆的‘阜’字以及字符‘阜’在甲骨文时期分属两个不同的字及字符。
- 莫伯峰
- 关键词：甲骨文字符字体甲金文
- 国家图书馆所藏甲骨缀合九组被引量：2
- 2011年
- 甲骨卜辞是我国现存最古老的历史文献，从十九世纪末被发现直至今日，已出土的甲骨数量达13万片左右，珍藏于国内外各博物馆、图书馆、研究机构以及私人藏家手中。国家图书馆珍藏甲骨35651片，约占出土总数的埘，是中国国内乃至世界上收藏甲骨最多的公藏单位，对于甲骨研究起着突出的重要作用。
- 莫伯峰
- 关键词：甲骨卜辞缀合历史文献
- 宾组甲骨新缀五则及考释被引量：1
- 2015年
- 甲骨缀合后可以再现残断前的原貌,提供较为完整的信息,对于补足甲骨残辞、通读文意,并在此基础上进行历史、文化、语言等各方面的研究都具有重要的意义。本文在整理卜辞的过程中,缀合了宾组甲骨五则,并作了相关考释和说明。
- 莫伯峰刘影
- 关键词：缀合考释
- 一种基于局部CNN框架的甲骨拓片分类方法
- 本发明提供一种基于局部CNN框架的甲骨拓片分类方法，包括：对甲骨拓片图像进行区域划分，将图像划分为盾纹区域、齿纹区域和非盾纹非齿纹区域；基于CNN框架对划分后的各区域进行训练，提取各区域特征，建立甲骨拓片的分类识别模型；...
- 陈善雄莫伯峰高未泽林小渝李然康
- 文献传递
- R-UNet++:用于甲骨材质分类的局部分割网络被引量：4
- 2022年
- 同材质甲骨残片的缀合工作是甲骨学研究的重要分支,为解决甲骨材质的分类问题,提出以R-UNet++为主的分类框架.R-UNet++继承了UNet++中密集的卷积块链接,并在此基础上引入注意力模块、双线性上采样方法和残差单元的改进策略,在提升网络细粒度分割能力的前提下,有效抑制了多尺度特征融合时产生的噪声响应.在分类框架中,首先通过R-UNet++准确分割类间差异性信息;然后采用ResNet50作为分类网络,对R-UNet++的分割图像进一步提取特征,并实现甲骨材质的分类.在真实的甲骨材质数据集中进行了分割和分类实验,结果表明,R-UNet++不仅可以实现高准确度的分割,而且对比其他多种优秀的分类网络,分类准确度有较高的提升,这充分验证了所提分类框架的可行性和高效性.
- 高未泽陈善雄莫伯峰杨烨苏本朋
- 关键词：图像分割卷积神经网络
- 无名组甲骨拼合六则
- 2016年
- 本文共介绍了笔者新拼合的六组甲骨,分别附以图版,阐述缀合理由,并作相关讨论及释文。
- 莫伯峰
- 关键词：甲骨卜辞缀合
- 人工智能模拟辞例归纳的初步测试
- 古文字考释中的辞例归纳法，其实是综合了经验和理性两个方面共同作用的一种词义推定方法。人工智能语言模型现在主要模拟了人类经验主义的方法，并在日常语言处理方面取得了比较好的效果。如果将此类模型运用于古文字领域来模拟辞例归纳，...
- 莫伯峰
- 关键词：古文字人工智能
- 殷商祖甲时代历法改革的时机被引量：3
- 2017年
- 本文采用字体分类的方法,系统整理了与殷商祖甲时代历法改革有关的甲骨卜辞材料,通过数据统计和比率分析等多种方式,研讨了"正月"取代"一月"之名和"十三月"年终置闰制度被废除这两项历法改革的时机。祖甲的改革并不是在即位后就立刻进行的,而是经过了一段时间后才逐步开展起来的。其中,两项历法改革的实施时间也有所不同,废除"十三月"置闰制度在前,改用"正月"之名在后。祀典改革则是在两项历法改革之间开始进行的。这些时间先后实际上反映了祖甲改革各项举措具有内在承续关系。
- 莫伯峰
- 关键词：甲骨历法
- 基于深度学习的甲骨文偏旁与合体字的识别研究被引量：5
- 2021年
- 由于甲骨文字形结构多样,异体字较多,其识别一直是甲骨文领域研究的重要问题.本文首次提出以甲骨文偏旁为识别的基本构件,建立单偏旁和合体结构的甲骨文字符识别方法,提升甲骨文识别的精度.方法一:根据甲骨文偏旁字形特点,对甲骨文拓片上的合体字进行甲骨文单偏旁最大极值稳定区域的选取,然后,通过改进的BN-LeNet模型识别甲骨文各个偏旁;方法二:针对甲骨文合体字拓片稀缺的问题,本文提出一种直接对甲骨文合体字进行整体识别的OraNet模型,该模型采用迁移学习的训练策略,对在脱机手写汉字HCL2000数据集预训练的卷积神经网络模型进行参数和结构上的微调,实现迁移得到低层表示和甲骨文合体字集上高层表示的特征融合,以此来提取甲骨文合体字的高级特征.实验结果表明,BN-LeNet网络对甲骨文单偏旁识别率为96.24%,微调的OraNet模型对甲骨文合体字识别率为98.58%,从而表明从甲骨文单偏旁的角度进行甲骨文字形识别,可以获得较高的识别精度.同时本文将甲骨文视为偏旁组合而非整字识别,这使得算法能够识别从未见过的甲骨文新字,即零样本学习,对甲骨文研究有着重要的应用意义.
- 林小渝陈善雄高未泽莫伯峰焦清局
