en تشخیص جنسیت; رویکردهای مختلف 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<span dir="LTR">.</span> ابتدا از تجزیه و تحلیل مولفه های اصلی (<span dir="LTR">PCA</span>) و تغییر شکل کسینوس گسسته (<span dir="LTR">DCT</span>) برای استخراج ویژگیها و ابعاد صورت استفاده می شود. علاوه بر این از روش <span dir="LTR">Bayesian</span> و ماشین بردار پشتیبانی (<span dir="LTR">SVM</span>) نیز استفاده می شود. در خاتمه، این روش ها به دقت و بصورت گسترده مقایسه می شوند. Gender recognition is one of the most interesting problems in face processing. Gender recognition can be used as a preprocessing phase in many applications. In this work we compare different approaches for gender recognition task, in accuracy and generalizing. First we use principle component analysis (PCA) and discrete cosine transformation (DCT), for feature extraction and dimension reduction. Additionally we used Bayesian approach and support vector machine (SVM) too. Finally, we compare these approaches in accuracy and generalizing. تشخیص جنسیت , SVM , DCT , PCA facial gender recognition, SVM, DCT, PCA. 1 5 http://sjis.srpub.org/browse.php?a_code=A-10-2-38&slc_lang=en&sid=5 Farzin Yaghmaee فرزین یغمایی F_yaghmaee@semnan.ac.ir 1003194753284600167 1003194753284600167 Yes Faculty of Electerical and Computer Engineering, Semnan, Iran دانشکده مهندسی برق و کامپیوتر ، دانشگاه سمنان ، ایران Reza Khammari رضا خماری r.khammary@gmail.com 1003194753284600168 1003194753284600168 No Faculty of Electerical and Computer Engineering, Semnan, Iran