تشخیص جنسیت یکی از جالب ترین مشکلات در پردازش صورت است. تشخیص جنسیت می تواند به عنوان یک مرحله پیش پردازش در بسیاری از برنامه ها استفاده شود. در این مقاله، روشهای مختلفی برای تشخیص جنسیت به دقت و به صورت گسترده مقایسه می شوند. ابتدا از تجزیه و تحلیل مولفه های اصلی (PCA) و تغییر شکل کسینوس گسسته (DCT) برای استخراج ویژگیها و ابعاد صورت استفاده می شود. علاوه بر این از روش Bayesian و ماشین بردار پشتیبانی (SVM) نیز استفاده می شود. در خاتمه، این روش ها به دقت و بصورت گسترده مقایسه می شوند. متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

با گسترش روزافزون استفاده از اینترنت، شاهد تبادل هزاران گیگابایت اطلاعات متنی در فضای مجازی هستیم. فضای سایبر این امکان را به اشخاص می دهد که هویت حقیقی خود را مخفی کنند و با هویت ساختگی جدیدی وارد آن شوند. از این رو اهمیت حفظ امنیت این فضا، کنترل بر محتوای تولیدشده توسط کاربران و شناسایی مشخصات تولیدکنندگان محتوا هر روز پررنگ تر می شود. موضوع مورد بررسی در این پژوهش که مربوط به حوزه شناسایی نویسنده است، شناسایی خودکار جنسیت نویسنده متن فارسی است. به منظور شناسایی جنسیت، با توجه به مطالعات زبان روان شناختی صورت گرفته، 48 ویژگی روان شناختی و سبک شناسی تعریف شد. دو پیکره متنی جهت آموزش طبقه بندها تهیه و سپس برای شناسایی جنسیت، سه الگوریتم یادگیری ماشینی مختلف (ماشین بردار پشتیبان، بیز ساده و درخت تصمیم) طراحی شد. نتایج اعتبارسنجی متقابل ده تایی نشان داد که بیش ترین دقت مربوط به طبقه بند درخت تصمیم با دقت 73.8% است.

امروزه استفاده زیاد کاربران از محیط های مجازی و ارتباط آنها از طریق شبکه های اجتماعی مانند فیسبوک و توییتر لزوم بررسی مطالب موجود را در فضای مجازی بیشتر از گذشته کرده است. از آنجا که بالاترین میزان تبادل اطلاعات در فضای مجازی از طریق متن صورت می گیرد؛ لذا تشخیص هویت کاربران از نظر سن، جنس، عقاید مذهبی و سیاسی از روی متن های اینترنت، پراهمیت خواهد بود. مسأله تشخیص جنسیت در حوزه های امنیت و بازاریابی، می تواند مؤثر واقع شود. در مقاله حاضر به تشخیص جنسیت نویسندگان مطالب بلاگ ها پرداخته می شود و جهت تشخیص جنسیت نویسنده، ویژگی های نحوی، مبتنی بر واژه، مبتنی بر حروف و واژگان گرامری مورد استفاده قرار می گیرند. به علاوه نتایج نشان می دهد که استفاده از ویژگی های-nگرمی حروف در بهبود عملکرد، بسیار مؤثر است. جهت انجام عمل دسته بندی روش جدیدی با عنوان جنگل تصادفی بیز ارائه می شود. نتایج آزمایش ها نشان می دهد که این روش در مقایسه با الگوریتم هایی مانند الگوریتم بیز ساده، درخت بیز ساده و جنگل تصادفی، نتایج بهتری ارائه داده و دقت دسته بندی را تا 5/89 % افزایش داده است.

هدف از انجام این تحقیق مقایسه ژنوم فیل ماهی نر و ماده با استفاده از روش RAPD و شناسایی نشانگرهای جنسی بود. به همین منظور پس از استخراج DNA به روش فنل - کلروفرم، دو خزانه از DNA ژنومی افراد نر (ترکیبی از DNA پنج عدد نر) و ماده (ترکیبی از DNA پنج عدد ماده) مهیا گردید. در این تحقیق از 310 پرایمر 10 نوکلئوتیدی مورد آزمایش، 303 پرایمر باند تولید نموده و 7 پرایمر دیگر هیچگونه باندی تولید نکردند که می تواند به دلیل نامناسب بودن شرایط واکنش PCR و یا عدم وجود محل پهلوگیری برای پرایمرهای مذکور در ژنوم فیل ماهی باشد. الگوی باندی کلیه پرایمرهای مورد بررسی به جز پرایمر شماره 295 (OPT-17) در جنس نر و ماده یکسان بود و هیچگونه تفاوتی مشاهده نگردید. این پرایمر باندی را در خزانه DNA ژنومی افراد نر تولید نمود که در الگوی باندی جنس ماده مشاهده نمی شد. به منظور اطمینان از اختصاصی بودن این باند در جنس نر، آزمایش PCR با استفاده از پرایمر مذکور و بررسی DNA غیر ترکیبی افراد مستقل انجام شد که نتایج نشان داد باند مذکور مربوط به تنوع فردی بوده و در هر دو جنس دیده می شود. در مجموع، بررسی 4146 باند شمارش شده بر روی ژل پلی آکریلامید نشان می دهد که هیچکدام از باندهای مذکور نشانگر جنسی فیل ماهی نمی باشد. همچنین نتایج این تحقیق نشان می دهد که احتمالا کروموزومهای جنسی در فیل ماهی وجود نداشته و در صورت موجود بودن، نقاط متمایز بسیار کمی بر روی آنها قرار دارد و یا اصولا این ماهیان دارای قابلیت ژنتیکی همزمان برای دو جنس هستند.

متن کامل مقاله های این شماره به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقالات به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.