数据格式说明手册.docVIP

简要SCUT-COUCH数据格式说明手册 HCII Laboratory SCUT 华南理工大学 人机通信智能接口实验室 / 1．SCUT-COUCH数据库详细说明 1.1．SCUT-COUCH数据文件命名规则 每套COUCH数据由两个文件名相同，扩展名不同的文件组成。扩展名分别idx和dat。其中，dat文件为实际的数据文件，idx文件是dat文件的索引文件。每个文件名(除去扩展名)的命名遵循如下格式“数据集名+下划线+编号”。其中数据集名为“Big5”，“Digit”，“GB1”，“GB2”， “Letter”，“Pinyin”，“Symbol”，“TradGB1”，“WORD17366”，“WORD44208”和“WORD8888”中的一个；编号代表该文件在相应数据集的套数编号，由三位阿拉伯数字组成。例如“WORD44208_001”代表SCUT-COUCH2009数据库中WORD44208数据集中的第1套数据，同时它包括两个文件：“WORD44208_001.idx”和“WORD44208_001.dat。 1.2．COUCH数据文件格式 每套样本数据均由一个索引文件（扩展名为idx，我们称为IDX文件）和一个数据文件（扩展名为dat，我们称为DAT文件）组成。 1.2.1．IDX文件的格式 IDX文件格式由表1所示，IDX文件由文件头和索引单元两种结构组成。每种结构均为固定大小。 表1 IDX文件存储结构 文件头 样本0索引单元 样本1索引单元 ((( 样本N索引单元 IDX文件头格式如表2所示。文件头单元位于文件起始位置，只有一个long型字段，它的值等于本套数据文件存储的样本总数。 表2 IDX文件头格式 数据名 数据类型 数据长度(Byte) 描述 SampleSum long 4 本套数据文件的样本总数 IDX文件索引单元格式如表3所示。每个样本的索引单元固定大小为13个字节，共4个数据字段。其中IDX文件中索引单元的个数与相应DAT文件中的样本数量是相同的。 表3 IDX文件样本索引单元格式 数据名 数据类型 数据长度(Byte) 描述 SampleState unsigned char 1 Hcii-lab保留使用 OswIndex int 4 Hcii-lab保留使用 IdxIndex int 4 样本在本套数据中的编号，从0开始计数 DatOffset long 4 样本数据单元在对应DAT文件中的偏移位置 1.2.2．DA文件格式 DAT文件存储结构由表4所示，由各个样本数据单元构成，每个数据单元大小不定长，具体结构如表5所示。 表4 DAT文件存储结构 样本0数据单元 样本1数据单元 样本2数据单元 ((( 样本N数据单元 表5 DAT文件数据单元格式 数据名 数据类型 数据长度（Byte） 描述 WordLength unsigned char 1 样本内码长度，字节为单位 WordCode unsigned char [ ] WordLength×1 样本的内码 PointNum unsigned short int 2 样本的点的个数 LineNum unsigned short int 2 样本的笔画个数 GetTimePointNum unsigned short int 2 捕获到时间的点的个数 GetTimePointIndex unsigned short int [ ] GetTimePointNum×2 捕获到时间的点的序号 ElapsedTime DWORD [ ] GetTimePointNum×4 每点距离上一捕获时间的采样点的时间距离 StrokeData 样本笔画数据，结构如下所示 StrokePointNum unsigned short int 2 每笔的点数 Point(x,y) unsigned short int 2+2 一笔中每个点的x和y的坐标值 1.2.3．IDX文件和DAT文件关系 图1显示IDX文件和DAT文件的关系。IDX文件中每个样本索引结构中的DatOffset字段的值等于该样本数据单元在DAT文件中的偏移量，以字节为单位，从文件开头算。 图2 idx文件与dat文件关系图 1.2.4．正确读取COUCH数据 读取IDX文件 IDX文件为COUCH数据的索引文件，通过读取IDX文件中的索引单元，可以快速获取应样本的信息和该样本的数据单元在dat文件中的位置。读取IDX文件时，必须先读取IDX文件头（格式详见表2），以获取本套数据的样本总个数。IDX文件中每个样本索引单元结构大小固定为13个字节（格式详见表3），因此可以方便快速读取到目标索引结构。 读取DAT文件 DA