تعيين هويت نويسنده با استفاده از اختلاط خبره ها (ME) و به كارگيري الگوريتم PCA جهت كاهش ويژگي ها در متون دست نويس فارسي

در این مقاله روشی نو برای تعیین هویت نویسنده بر اساس متن بر مبنای اختلاط خبره ها ارائه شده است. در روش پیشنهادی از فیلترهای گابور، سوبل و روبرتز برای استخراج ویژگی استفاده شده و سپس با استفاده از روش تجزیه و تحلیل مولفه های اصلی PCA و با كمك الگوریتم نزدیك ترین همسایه كاهش ویژگی انجام گرفته است. برای ارزیابی دقت تشخیص به كمك ویژگی های استخراج شده از سه شبكه عصبی MLP جهت دسته بندی استفاده شده است كه نتایج آنها را با هم تركیب كرده ایم. جهت آموزش شبكه عصبی از گرادیان نزولی و روش پس انتشار خطا بهره گرفته ایم. نتایج نشان دهنده بهبود 10.5 درصدی (97.75 درصد در برابر 87.25 درصد) در مقایسه با تحقیق صورت گرفته بر روی همین پایگاه داده و همچنین رسیدن به زمان آموزش 71.73 و 111.21 ثانیه به ترتیب برای ویژگی های استخراج شده با روش سوبل و روبرتز است كه بیانگر عملكرد بهتری در مرحله طبقه بندی از نظر دقت و زمان كمتری در مرحله آموزش نسبت به تحقیقات مشابه قبلی در زمینه تعیین هویت نویسنده از دستخط فارسی می باشد.