در این مقاله یک سیستم خودکار بر مبنای روشی جدید در استخراج ویژگی برای تشخیص جنسیت افراد از روی تصاویر اسکن‌شده نمونه دست‌خط ارائه شده است. در روش پیشنهادی به منظور نشان‌دادن تمایز بین نمونه‌های دست‌خط زنان و مردان، ابتدا از تصویر دست‌نوشته، تبدیل رادن گرفته می‌شود و سپس با استفاده از یک ابزار تحلیلی در سیستم‌های دینامیکی با عنوان پالایش پویای نمادین، ویژگی‌های هر نمونه دست‌خط استخراج می‌گردد. آموزش و طبقه‌بندی ویژگی‌های استخراج‌شده از نمونه‌های دست‌خط با شبکه عصبی پرسپترون چندلایه انجام شده است. در پایان با هدف بررسی کارایی روش پیشنهادی، آزمایش‌هایی بر روی بانک اطلاعاتی MSHD صورت پذیرفت. علاوه بر آزمایش تشخیص جنسیت بر روی کل بانک اطلاعاتی، دو چالش جدید تشخیص جنسیت مستقل از متن و زبان نوشتاری نیز بررسی شده است. آزمایش‌های انجام‌شده نشان می‌دهد روش پیشنهادی میزان دقت تشخیص را نسبت به کارهای قبلی که از روش‌های جدیدی در تحلیل دست‌خط از قبیل فرکتال‌ها، کدهای زنجیره‌ای و بافت‌ها بهره می‌برند، بهبود داده است. بهترین نرخ دقت به دست آمده در آزمایش‌ها 9/84 درصد گزارش شده است. Manuscript profile