بررسي شخصيت و خصوصيات فردي بر اساس دستنوشته فارسي با استفاده از درخت تصميم

The personality and characteristics study of Farsi handwriting using decision tree

گرافولوژي علم يا فني است كه با مطالعه خط يك فرد، شخصيت و يا خلق و خوي و يا چگونگي روان او را مي توان تشخيص داد. در اين تحقيق، با اخذ دستخط و پرسشنامه شخصيتي MMPI از افراد مختلف يك پايگاه داده تشكيل شده است. ضمن استخراج ويژگي ها از دستخط، از درخت تصميم به عنوان ابزار يادگيري ماشين جهت گروه بندي ويژگي ها استفاده شده است. سيستم پياده سازي شده با دريافت نمونه دستخط روبش شده مي تواند خصوصيات فردي نويسنده را پيش بيني نمايد. نمونه هاي مورد بررسي شامل 140 آزمودني در دو گروه مختلف است. اين دو گروه عبارتند از70 نفر از مددجويان زندان شهر سمنان و 70 نفر از دانشجويان مركز علمي كاربردي جهاد دانشگاهي سمنان. در راستاي اخذ دستخط، يك نوشته ي واحد كه متن آن از لحاظ تحريك احساسات خنثي و ضمنا ساده و روان باشد انتخاب شد و از آزمودني­ها خواسته شد كه از روي آن در يك كاغذ A4 بي خط بنويسند. براي تشخيص نهايي از درخت تصميم استفاده شده است. براي راستي­آزمايي نتايج درخت تصميم، از خروجي­هاي پرسشنامه MMPI كمك گرفته شد كه نتايج نويدبخشي به دست آمد. نتايج تشخيص درست ويژگي­هاي استخراج شده توسط الگوريتم پيشنهادي از 87% تا 94% مطابقت با مشاهدات را نشان مي دهد. نتايج تشخيص شخصيت حاصل از درخت تصميم دقت 69% را در مقايسه با نتايج پرسشنامه شخصيتي MMPI حاصل داد.

Graphology is a technical knowledge that presented a person, character or mood. In this research, by obtaining handwriting and personality questionnaire MMPI from different people, we formed a database. A decision tree was exploited as a machine learning tool for grouping extracted features. The proposed system can predict individual characteristic of the writer with scanning the handwriting sample. The samples included 140 subjects in two different groups. These groups include 70 clients of Semnan prison and 70 students of Semnan University of Applied Sciences. In order to obtain the handwriting, a neutral and smooth text was chosen and wanted the subjects to write in a nonline of A4 paper. A decision tree is used for a final recognition. To verify the recognition of the decision tree, the output of MMPI questionnaire was used that yielded promising result. Results of extracted features accuracy obtained by the proposed method showed %87 to %94 match the observations. %69 personality recognition accuracy (result of the decision tree) achieved compared with the results obtained personality MMPI questionnaire.