-
عنوان: تشخیص اضطراب از روی دست نوشته به کمک کامپیوتر
-
ارائهکننده: مرتضی امینی
-
استاد راهنما: دکتر احسان اله کبیر
-
استاد ناظر خارجی: دکتر هدیه ساجدی (دانشگاه: تهران)
-
استاد ناظر داخلی: دکتر مجتبی لطفی زاد
-
استاد مشاور: دکتر جواد حاتمی
-
مکان: دانشکده مهندسی برق و کامپیوتر، طبقه 4، اتاق شورا
-
تاریخ: 1395/6/23
-
ساعت: 16-18
چکیده
هدف این پایاننامه، یافتن و استخراج ویژگیهایی است که بر مبنای آن بتوان از طریق دست نوشته فارسی وجود و عدم وجود اضطراب در افراد را شناسایی کرد. برای بررسی دستنوشته افراد در شرایط طبیعی اضطراب، موقعیت داوطلبان آزمون استخدامی یک خبرگزاری مورد بررسی قرار گرفت. به این منظور از 144 نفر از شرکت کنندگان آزمون استخدامی خبرنگاری خواسته شد به یک فیلم مصاحبه گوش دهند و متن آن را بنویسند. سپس از آنها خواسته شد در یک مقیاس خودسنجی، میزان اضطرابشان را از 1 تا 10 مشخص کنند، همچنین از آنها خواسته شد تا میزان سابقهی خود را در این حرفه بنویسند. از بین 144 شرکت کننده افرادی که اضطراب زیر 5 را گزارش کرده بودند و افرادی که سابقه بالایی داشتند حذف شدند و 64 نمونه با اضطراب بالا باقی ماند. در مرحله بعدی به این 64 نفر گفته شد که آنها به احتمال بالا در آزمون پذیرفته میشوند اما برای تکمیل پرونده باید به گزارش دیگری گوش دهند و آن را پیاده کنند. در این مرحله شرایط دوستانهتری وجود دارد، محدودیت زمانی وجود ندارد و آزمودنی ها می توانند فیلم را متوقف کرده به عقب بزنند و دوباره گوش دهند و بنویسند. در انتهای این مرحله نیز از آنها خواسته شد میزان اضطراب خودشان را از 1 تا 10 تخمین بزنند. در این مرحله هیچ یک از آزمودنیها اضطراب بالای 5 را گزارش نکرده است. به این ترتیب دو نسخه دست نوشته از یک فرد در شرایط اضطرابی و غیر اضطرابی به دست میآید که نشانه های نگارشی آن به لحاظ گرافولوژیک با استفاده از پردازش تصویر و بازشناسی الگو قابل تحلیل است. در ابتدا در مرحله پیش پردازش حذف نویز انجام شد و عرض قلم را یافتیم. این ویژگیها شامل تعداد خط خوردگی نسبت به تعداد کلمات، تغییر مساحت حفره حروف حفره دار، حذف دندانه ها، فاصله بیش از حد کلمات، تغییر ارتفاع کارکترها، زاویه کشیدگی حروف به بالا و پایین و چند معیار فرعی دیگر می باشد که از تصویر روبش شده دست نوشته مضطرب به دست آمده است. سپس با کمک شبکه عصبی. برای ارزیابی این ویژگیها، یک روش ارزیابی بر مبنای K-Fold طراحی کردهایم. شبکه آموزش داده شده با 64 نمونه از دست نوشته هایی شامل دو نوع بااضطراب و بیاضطراب، بر روی دستخط ها مورد آزمایش قرار گرفت که با دقت بیش از 88 درصد جواب صحیح را برگرداند.
کلمات کلیدی
تشخیص اضطراب، پردازش تصوير دودويي، آشكارسازي كجي كلمات، استخراج ويژگي، تجزیه و تحلیل دستنوشته فارسي
16 شهریور 1395 / تعداد نمایش : 4130