SavedAdd your journal

Journals / Fırat Üniversitesi Mühendislik Bilimleri Dergisi / 2020 / Cilt: 32 - Sayı: 1

Grafik Tablet Kullanılarak Makine Öğrenmesi Yardımı ile El Yazısından Cinsiyet Tespiti

Berna ARI
İlknur UCUZ
Ali ARI
Filiz ÖZDEMİR
Abdulkadir SENGUR
Pages
243–252
Publication Date
2020-03-03
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Elde edilen sonuçlara göre en iyi başarımın DVM ile elde edildiği ve doğruluk değerinin de %85,1 olduğu görülmüştür.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Günlük hayatın bir rutini olan el yazısı; ruh hali, kişilik özellikleri ve var olan bazı hastalıklar hakkında ipuçları vermektedir.
📊
Key Findings & Data:Bu öznitelikler sırası ile kalem hızı, ivmesi, yazarken oluşan sarsıntı hareketleri, eğim açısı, yazıdaki kavislenmeler, kalemin havada kalma oranı, kalemin yaptığı basınç değeri ve kalemin yükseklik açısıdır.
💡
Conclusion & Impact:Elde edilen sonuçlara göre en iyi başarımın DVM ile elde edildiği ve doğruluk değerinin de %85,1 olduğu görülmüştür.
🔬Design:Modeling & Simulation
📍Scope:410 örnek
⚙️Variables:el yazısı tanıma · cinsiyet sınıflandırma · makine öğrenmesi

Özet

Günlük hayatın bir rutini olan el yazısı; ruh hali, kişilik özellikleri ve var olan bazı hastalıklar hakkında ipuçları vermektedir. Bunun yanında adli tıp, tıp ve arkeoloji gibi birçok disiplin el yazısını kendi alanlarına yönelik çalışmalarda sıkça kullanmaktadırlar. Örneğin adli tıp; bazı vakaların aydınlatılmasında el yazısından yaş aralığı ve hangi elin kullanıldığı gibi bilgilere ulaşabilmektedir. Bu çalışmada, el yazısından cinsiyet tespiti yapan bir sistem önerilmiştir. Önerilen sistem el yazısından, el yazısını karakterize edecek bir dizi öznitelik çıkarıp bu öznitelikleri makine öğrenmesi teknikleri kullanarak cinsiyete göre sınıflandırmıştır. El yazılarının kaydedildiği tabletle hem kalemin tablete temas halindeki durumunda hem de harfler ve kelimeler arası geçişte kalemin havada izlediği eğri hareketlerinden öznitelik çıkarılmıştır. Bu öznitelikler sırası ile kalem hızı, ivmesi, yazarken oluşan sarsıntı hareketleri, eğim açısı, yazıdaki kavislenmeler, kalemin havada kalma oranı, kalemin yaptığı basınç değeri ve kalemin yükseklik açısıdır. Sınıflandırıcı olarak da Karar Ağaçları (KA), Naive Bayes (NB), Destek Vektör Makineler (DVM) ve k-en Yakın Komşu (k-EYK) yaklaşımları kullanılmıştır. Deneysel çalışmalarda kullanılan veri setinde toplam 410 örnek mevcut olup, deneysel çalışmaların başarımları doğruluk kriteri ile değerlendirilmiştir. Elde edilen sonuçlara göre en iyi başarımın DVM ile elde edildiği ve doğruluk değerinin de %85,1 olduğu görülmüştür.

🔖

Cite This Article

ARI, B., UCUZ, İ., ARI, A., ÖZDEMİR, F., SENGUR, A. (2020). Grafik Tablet Kullanılarak Makine Öğrenmesi Yardımı ile El Yazısından Cinsiyet Tespiti. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 32 - Sayı: 1, 243–252. https://ajindex.com/articles/254004

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Topaloglu, M., & Ekmekci, S. (2017). Gender detection and identifying one's handwriting with handwriting analysis. Expert Systems with Applications, 79, 236-243
  2. Langmaid, R. A., Papadopoulos, N., Johnson, B. P., Phillips, J. G., & Rinehart, N. J. (2014). Handwriting in children with ADHD. Journal of attention disorders, 18(6), 504-510
  3. Gattal, A., Djeddi, C., Siddiqi, I., & Chibani, Y. (2018). Gender classification from offline multi-script handwriting images using oriented basic image features (oBIFs). Expert Systems with Applications, 99, 155-167
  4. Burr, V. (2002). Judging gender from samples of adult handwriting: Accuracy and use of cues. The Journal of social psychology, 142(6), 691-700
  5. Hartley, J. (1991). Sex differences in handwriting: A comment on Spear. British educational research journal, 17(2), 141-145
  6. Dorfberger, S., Adi-Japha, E., & Karni, A. (2009). Sex differences in motor performance and motor learning in children and adolescents: an increasing male advantage in motor learning and consolidation phase gains. Behavioural brain research, 198(1), 165-171
  7. Prasad, S., Singh, V. K., & Sapre, A. (2010). Handwriting analysis based on segmentation method for prediction of human personality using support vector machine. International Journal of Computer Applications, 8(12), 25-29
  8. Moetesum, M., Siddiqi, I., Djeddi, C., Hannad, Y., & Al-Maadeed, S. (2018, August). Data Driven Feature Extraction for Gender Classification using Multi-script Handwritten Texts. In 2018 16th International Conference on Frontiers in Handwriting Recognition (ICFHR) (pp. 564-569). IEEE
  9. Moetesum, M., Siddiqi, I., Djeddi, C., Hannad, Y., & Al-Maadeed, S. (2018, August). Data Driven Feature Extraction for Gender Classification using Multi-script Handwritten Texts. In 2018 16th International Conference on Frontiers in Handwriting Recognition (ICFHR) (pp. 564-569). IEEE
  10. Morera, Á., Sánchez, Á., Vélez, J. F., & Moreno, A. B. (2018). Gender and handedness prediction from offline handwriting using convolutional neural networks. Complexity, 2018
  11. Ahmed, M., Rasool, A. G., Afzal, H., & Siddiqi, I. (2017). Improving handwriting based gender classification using ensemble classifiers. Expert Systems with Applications, 85, 158-168 [12] Guerbai, Y., Chibani, Y., & Hadjadji, B. (2017). Handwriting gender recognition system based on the one-class support vector machines. In 2017 Seventh International Conference on Image Processing Theory, Tool