{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK102",
        "title": "تشخیص امضاء با استفاده از تبدیل میلین",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1387",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK102",
        "title": "تشخیص امضاء با استفاده از تبدیل میلین",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1387,
        "authors": [
            {
                "name": "علی اصغر فلاح جوشقانی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "سید علی سلیمانی ایوری",
                "role": "استاد راهنما"
            },
            {
                "name": "حسین مروی",
                "role": "استاد راهنما"
            },
            {
                "name": "علیرضا احمدی فرد",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "تایید امضاء برخط",
            "تبدیل میلین",
            "ضرایب طیف فرکانسی مل",
            "شبکه عصبی",
            "PCA."
        ],
        "abstract": "وظیفه یک سیستم تایید امضاء، پذیرفتن امضاء اصلی و رد امضاء جعلی می باشد. سیستم های موجود امضاءها را توسط ابزارهای الکتریکی از قبیل صفحه رقومی کننده ثبت می کنند. این امضاءها به صورت رشته زمانی در زمان حقیقی ذخیره می شوند، که به امضاء برخط معروفند.\r\nدر این رساله، الگوریتم جدیدی برای تشخیص امضاء با استفاده از تبدیل میلین و الگوریتم ضرایب طیف فرکانسی مل معرفی می شود. از هر امضاء مختصات   و   آن استخراج می شود. برای پیش پردازش سیگنالها از تبدیل میلین استفاده می شود. متعاقبا، الگوریتم ضرایب طیف فرکانسی مل بکار گرفته می شود تا ویژگیهای مهم سیگنالهای امضاء را استخراج کند و بردار ویژگی هر امضاء را بسازد. از میان امضاءهای اصلی هر شخص، تعداد 10 امضاء بصورت تصادفی به عنوان مجموعه مرجع و یک امضاء که کمترین فاصله را با بقیه دارد به عنوان امضاء الگو انتخاب می شود. سپس برای هر امضاء تست مقادیر ماکزیمم فاصله و مینیمم فاصله تا مجموعه امضاءهای مرجع و فاصله تا امضاء الگوی مربوطه محاسبه    می شود. این سه مقدار نرمالیزه شده و در یک بردار ذخیره می شود. این بردار را به ورودی کلاسیفایر مورد استفاده اعمال شده و در مورد اصلی یا جعلی بودن امضاء تست تصمیم گیری می شود. ما از دو کلاسیفایر خطی همراه با آنالیز اجزاء اصلی (PCA)و شبکه عصبی استفاده کرده و نتایج بدست آمده را با هم مقایسه می کنیم. در انتها، نرخ درستی الگوریتم پیشنهادی برای هر مجموعه امضاء تست ارزیابی می-شود.\r\nما در این پایان نامه از دو پایگاه داده SVC2004 و پایگاه داده ایرانی برای ارزیابی الگوریتم پیشنهادی استفاده میکنیم. نرخ درستی الگوریتم پیشنهادی برای پایگاه داده  SVC2004 و پایگاه داده ایرانی، به ترتیب، 7/94% و 2/96%  می باشد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK102.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}