تشخیص جنسیت نویسنده مستقل از متن و زبان نوشتاری با استفاده از پالایش پویای نمادین مبتنی بر تبدیل رادن

در این مقاله یک سیستم خودکار بر مبنای روشی جدید در استخراج ویژگی برای تشخیص جنسیت افراد از روی تصاویر اسکن شده نمونه دست خط ارائه شده است. در روش پیشنهادی به منظور نشان دادن تمایز بین نمونه های دست خط زنان و مردان، ابتدا از تصویر دست نوشته، تبدیل رادن گرفته می شود و سپس با استفاده از یک ابزار تحلیلی در سیستم های دینامیکی با عنوان پالایش پویای نمادین، ویژگی های هر نمونه دست خط استخراج می گردد. آموزش و طبقه بندی ویژگی های استخراج شده از نمونه های دست خط با شبکه عصبی پرسپترون چندلایه انجام شده است. در پایان با هدف بررسی کارایی روش پیشنهادی، آزمایش هایی بر روی بانک اطلاعاتی MSHD صورت پذیرفت. علاوه بر آزمایش تشخیص جنسیت بر روی کل بانک اطلاعاتی، دو چالش جدید تشخیص جنسیت مستقل از متن و زبان نوشتاری نیز بررسی شده است. آزمایش های انجام شده نشان می دهد روش پیشنهادی میزان دقت تشخیص را نسبت به کارهای قبلی که از روش های جدیدی در تحلیل دست خط از قبیل فرکتال ها، کدهای زنجیره ای و بافت ها بهره می برند، بهبود داده است. بهترین نرخ دقت به دست آمده در آزمایش ها 84.9 درصد گزارش شده است.