การจำแนกบุคลิกภาพจากลายมือเขียนโดยใช้การวิเคราะห์ข้อมูลภาพ

งานวิจัยนี้เป็นการวิเคราะห์ลายมือเขียนภาษาไทยโดยอัตโนมัติ โดยจะใช้กระบวนการประมวลผลและวิเคราะห์ข้อมูลภาพด้วยคอมพิวเตอร์ มาช่วยในการวิเคราะห์ลักษณะของลายมือ โดยจะเก็บลายมือควบคู่กับแบบวัดตามตัวบ่งชี้ของมายเออร์–บริกส์ (MBTI) โดยมีผลเฉลยบุคลิกภาพของบุคคล แบบเก็บตัว (Introvert) และ แบบแสดงตัว (Extrovert) มาจาก แบบวัดตามตัวบ่งชี้ของมายเออร์–บริกส์การทดลอง ขั้นแรกคือการเก็บข้อมูลแบบทดสอบบุคลิกภาพ ผู้วิจัยเลือกใช้แบบวัดตามตัวบ่งชี้ (MBTI) พร้อมทั้งเก็บข้อมูลลายมือโดยมีขนาดกลุ่มตัวอย่างจำนวน 150 คน เพื่อตอบแบบสอบถามและเขียนข้อความตามที่ผู้วิจัยกำหนด โดยแบ่งเป็น 2 กลุ่ม โดยกลุ่มแรกใช้เพื่อเป็นข้อมูลฝึกระบบ (training set) เป็นจำนวน 100 คน โดยทั้งสองกลุ่มมีจำนวนตัวอย่างจากคนที่มีบุคลิกภาพเก็บตัวและแสดงตัวอย่างละเท่าๆ กันและกลุ่มที่สองใช้ในการทดลอง (test set) จำนวน 50 คน เมื่อได้ข้อมูลพร้อมใช้แล้ว ผู้วิจัยจะสแกนภาพลายมือเขียนของผู้เข้ารับการทดลองและนำไปผ่านขั้นตอนการแบ่งส่วนภาพ จากนั้นทำการสกัดคุณลักษณะสำคัญ การจำแนกประเภท โดยใช้ โมเดลการเรียนรู้ของเครื่อง (Machine learning) หลายโมเดล จากนั้นทำการเปรียบเทียบประสิทธิภาพและสรุปผลการทดลอง พบว่ามีคุณลักษณะสำคัญ 7 คุณลักษณะที่มีประสิทธิภาพในการทำนายผลมากที่สุด ได้แก่ ขนาด องศาในการเขียน ขนาดเส้นกรอบของลายมือเขียน ระยะห่างระหว่างบรรทัด ความเชื่อมต่อของตัวอักษร สัดส่วนของ Minor Axis และ Major Axis และความเข้มของลายมือ และจากการทดสอบประสิทธิภาพแล้ว โมเดล Support Vector Machine ให้ผลเฉลี่ยความแม่นยำที่สูงที่สุด เมื่อนำมาทดสอบกับข้อมูล test set คือ 84% รองลงมาคือ โมเดล Ensemble โดยให้ผลความแม่นยำที่ 79.33% ส่วนโมเดล K-Nearest Neighbors, Decision Tree และ Naive Bayes ได้ผลความแม่นยำที่ 74.67%, 70.67% และ 60% ตามลำดับ