{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK701",
        "title": "تشخیص گوینده بر اساس ویژگی‌های استخراجی ترکیبی در محیط با چند گوینده",
        "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": "1398",
        "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": "TK701",
        "title": "تشخیص گوینده بر اساس ویژگی‌های استخراجی ترکیبی در محیط با چند گوینده",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1398,
        "authors": [
            {
                "name": "میترا جهانیان",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین مروی",
                "role": "استاد راهنما"
            },
            {
                "name": "سید مسعود میررضایی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "نمایه سازی گوینده",
            "پردازش گفتار",
            "برنامه عدد صحیح خطی",
            "بردارهای i"
        ],
        "abstract": "امروزه در دنیای ارتباطات پردازش داده با سرعت و دقت بالا از اهمیت بسزایی برخوردار است. پردازش دادگان گفتاری نیز به دلیل کاربرد وسیع در تمامی جهات زندگی بشر سهم بسزایی را ایفا می‌کند. نمایه سازی گوینده یعنی تشخیص دهیم چه کسی چه زمانی صحبت می‌کند. هدفِ طراحی سیستم‌های نمایه سازی گوینده این است که تغییر در گوینده در فایل صوتی تشخیص داده شود و گفتار هر گوینده به‌درستی برچسب‌گذاری و دسته‌بندی شود. این فرآیند امروزه بانام Speaker Diarization شناخته‌شده است. در این پایان‌نامه، سیستمی طراحی کردیم که با استفاده از ویژگی‌های آکوستیکی MFCC و مشتقات مرتبه اول و دوم آن به همراه ویژگی‌های انرژی و نرخ عبور از صفر ویژگی‌های گفتار و غیر گفتار را استخراج کند سپس با استفاده از فریم‌های قطعاً سکوت و قطعاً آهنگ به مدل‌سازی این دو می‌پردازد و در یک فرایند دوبخشی شامل حذف سکوت و حذف آهنگ به جداسازی گفتار از غیر گفتار و آهنگ موجود در فایل صوتی می‌پردازد. در ادامه با استفاده از بردارهای i در فضای برداریِ ویژگی‌ها به کاهش بُعد می‌پردازیم. در ادامه برای تشخیص تغییر در گوینده معیار فاصله را به‌کاربرده و با خوشه‌بندی توسط برنامه‌ریزی خطی عدد صحیح ( ILP) گفتار هر گوینده را جدا و برچسب‌گذاری و خوشه‌بندی می‌کنیم. به بهینه‌سازی پارامترها پرداختیم. پایگاه داده‌ی مورداستفاده AMI corpus می‌باشد. نتایج خوبی در خطای بازشناسی گوینده (DER) گزارش داده شد.",
        "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_TK701.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"
    }
}