دومین کنفرانس ملی ریاضیات صنعتی (NIMC2015) تشخیص جنسیت نویسنده از روی نمونه های برون خط دست نوشته

در این مقاله، روش جدیدی برای تشخیص جنسیت افراد از روی تصاویر اسکن شده (برون خط) نمونه دست خط، ارائه شده است. روشپیشنهادی بر مبنای استخراج یک مجموعه ویژگی جدید از نمونه های دست خط نویسنده های زن، مرد و طبقه بندی جنسیت، استوار است.به منظور نشاندادن تمایز بین نمونه های دست خط، ابتدا از تصویر دست نوشته، تبدیل رادان گرفته می شود و سپس با استفاده از روش فیلترینگ پویای نمادین (Symbolic Dynamic Filtering). ویژگیهای هر نمونه دستخط استخراج میشود. آموزش و طبقه بندی ویژگی های استخراج شده از نمونههای دستخط با شبکه عصبیپرسپترون چند لایه (MLP) انجام شده است. در پایان با هدف بررسی کارایی روش پیشنهادی، آزمایشهایی بر روی بانک اطلاعاتی داده دست خط چند زبانه (MSHD) صورت پذیرفت. آزمایشات انجام شده، نشان می دهد روش پیشنهادی در حدود 10 درصد میزان تشخیص را نسبت به کارهای قبلی بهبود داده است.

کلیدواژه ها:

تشخیص جنسیت نویسنده ، ، تبدیل رادان ، دست خط برونخط ، سیستم های دینامیکی ، شبکه های عصبی ، فیلترینگ پویای نمادین