{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK251",
        "title": "کاربرد روش استخراج ویژگی RootMel جهت تخمین سن افراد با استفاده از سیگنال گفتار",
        "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": "1391",
        "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": "TK251",
        "title": "کاربرد روش استخراج ویژگی RootMel جهت تخمین سن افراد با استفاده از سیگنال گفتار",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1391,
        "authors": [
            {
                "name": "عاطفه دهقانیان",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین مروی",
                "role": "استاد راهنما"
            },
            {
                "name": "سید علی سلیمانی ایوری",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "تخمین سن",
            "گفتار",
            "واج",
            "استخراج ویژگی RootMel",
            "FARSDAT"
        ],
        "abstract": "تخمین سن بر اساس ویژگی های گفتار انسان،  یک موضوع قابل توجه در سیستم های شناسایی گفتار اتوماتیک می باشد. مطالعاتی در زمینه ی تخمین سن گوینده صورت گرفته است ولی نیاز به کار های نوین بیشتری، خصوصا برای گوینده های فارسی زبان، می باشد. در تخمین سن،  مانند سایر سیستم های پردازش گفتار، با دو چالش مهم مواجه هستیم: یافتن یک روش مناسب برای استخراج ویژگی و انتخاب یک روش قابل اطمینان برای کلاسه بندی.\r\nهدف اصلی از این تحقیق استفاده از ویژگی Root Mel Ferequency Cepstral Coefficients جهت بخش استخراج ویژگی در یک سیستم تخمین سن و یافتن بهترین مقدار برای داشتن درصد خطای کمتر می باشد؛ و همچنین مقایسه ی عملکرد این ویژگی با سایر ویژگی های متداول نظیر MFCC معمول، PLP و LPC  نیز مورد بررسی قرار گرفته است . \r\nبرای استخراج ویژگی، کل سیگنال صوت را به کوچک ترین جزء آن، یعنی واج ها،  تفکیک  می کنیم و عملیات استخراج ویژگی و رده بندی را بر سیگنال مربوط به واج ها انجام می دهیم.\r\nاز کلاسه بند به روش های تفکیک پذیری خطی  و فواصل Mahalanobis استفاده شده است. \r\nنتیجه آزمایشات انجام شده بر پایگاه داده ی FARSDAT به خطای کمترین 28.69 % بازای ریشه ی 0.006 در استفاده از روش RootMFCC  و تاثیر مثبت تفکیک سیگنال صوتی به واج های تشکیل دهنده ی آن، در کاهش خطا 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_TK251.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"
    }
}