حمیدرضا متولی - هنرآموز، گروه برق، هنرستان فنی دکتر علی شریعتی، کازرون
مریم طبایی کازرونی - مربی، گروه کامپیوتر، دانشکده ی فنی و حرفه ای دختران، کازرون
علی رفیعی - استادیار، گروه برق، دانشگاه آزاد اسلامی، کازرون
بابک غلامی - مربی، گروه برق، دانشگاه آزاد اسلامی، کازرون

روش های زیادی برای تشخیص و بازشناسی افراد براساس دست نوشته ی آنها گزارش شده است. در بسیاری از این روش ها فرض بر ثابت بودن متن دست نوشته است ( مانند وارسی امضاء ). این مقاله روشی جدید را برای بازشناسی افراد به کمک دست نوشته بصورت برون خط و مستقل از متن توصیف می کند. در این تحقیق برای بازشناسی نویسنده، از تبدیل موجک و ترکیب آن با شبکه ی عصبی مصنوعی کلاسیک استفاده شده است. پس از تبدیل موجک و تعیین زیرباندهای تصویر روبش شده ی متن، هفت ویژگی از دست نوشته ها بدست آمد. در ادامه، ویژگی ها نرمالیزه و برای طبقه بندی آنها از یک شبکه ی عصبی پیشخور دو لایه استفاده شد. برای مرحله ی آموزش، به صورت تصادفی نیمی از نمونه ها انتخاب و شبکه براساس آنها آموزش داده شد و بقیه ی نمونه ها در مرحله ی آزمایش استفاده شد. حدود 100 نمونه ی دست نوشته از افراد مختلف مورد ارزیابی قرار گرفت. در تجربه ی دیگری از نویسندگان همین مقاله، برای بازشناسی 5 تا 7 خط دست نوشته ی 20 نفر، میزان بازشناسی درست 86/5% بدست آمده بود، در حالی که به کمک سیستم طراحی شده در این تحقیق، همین کمیت 91% بدست آمد.

بازشناسی نویسنده، شبکه ی عصبی، تبدیل موجک، استخراج ویژگی، برون خط، پیش پردازان