基于在线大写手写文本的性别分类：一种文本相关的变体书写方法
机器学习
2022-03-21 v1
摘要
本文提出一种基于在线手写的性别分类方案。利用数字手写板采集捕获书写动态的样本，将书写者分类为男性或女性。所提方法为变体书写（allographic）方法，将笔画视为 handwriting 的结构单元。书写设备在书写面上未施加任何压力时执行的笔画，即抬笔（空中）笔画，也被纳入考虑。该方法还是文本相关的，意味着训练与测试使用完全相同的文本。文本相关性使得仅用极少量文本即可进行分类。使用来自 BiosecurID 数据库的样本进行的实验，所得结果处于人类判断者预期分类平均值范围内。仅重复书写一个大写单词四次，书写者分类正确率平均为 68%；使用十六个单词时，该比率升至平均 72.6%。统计分析显示上述比率具有高度显著性。为探索抬笔笔画的分类潜力，也对其进行了考量。尽管此时结果尚不具结论性，但当抬笔笔画信息与传统落笔笔画信息结合时，获得了高达 74% 的出色平均书写者分类正确率。
引用
@article{arxiv.2203.09848,
title = {Gender classification by means of online uppercase handwriting: A text-dependent allographic approach},
author = {Enric Sesa-Nogueras and Marcos Faundez-Zanuy and Josep Roure-Alcobé},
journal= {arXiv preprint arXiv:2203.09848},
year = {2022}
}
备注
25 pages, published in Cogn Comput 8, pages 15 to 29, year 2016