تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

فهرست مطالب:

فصل اول:مقدمه

1-1 مقدمه…………………………………………………………………………………………………………………….2

1-2تعریف مساله…………………………………………………………………………………………………………….2

1-3اهداف و دستاوردها…………………………………………………………………………………………………….4

1-4ساختارپایان نامه……………………………………………………………………………………………………..5

فصل دوم: بر متون گذشته مرور

2-1 مقدمه……………………………………………………………………………………………………………………8

2-2موسیقی و ویژگی‌های آن………………………………………………………………………………………..8

2-2-1موسیقی چیست…………………………………………………………………………………………………..8

2-2-2 ویژگی‌های صوتی موسیقی……………………………………………………………………………….9

2-2-3 تولید موسیقی………………………………………………………………………………………………..10

2-3استخراج ویژگی‌های محتوایی از فایل صوتی……………………………………………………..13

2-3-1انواع ویژگی‌ها…………………………………………………………………………………………………13

2-3-2 تقسیم بندی ویژگی‌ها از نظر طول فریم…………………………………………………….27

2-4 مجموعه داده‌ها…………………………………………………………………………………………………….28

2-5رده‌بندی موسیقی………………………………………………………………………………………………28

2-5-1 رده‌بندی………………………………………………………………………………………………………..28

2-5-2 رده‌بندی در متون گذشته……………………………………………………………………………..31

2-6سیستم‌هایپیشنهاددهنده………………………………………………………………………………….35

2-6-1انواع سیستم‌های پیشنهاددهنده………………………………………………………………….35

2-6-2سیستم‌های پیشنهاد دهنده موسیقی……………………………………………………………37

2-7 نتیجه……………………………………………………………………………………………………….38

فصل سوم:روش پیشنهادی

3-1مقدمه…………………………………………………………………………………………………………..40

3-2 تولید مجموعه داده از موسیقی ایرانی…………………………………………………………..41

3-2-1 جمع‌آوری داده‌ها و فرا داده‌ها و پیش پردازش…………………………………………………….41

 

برای دانلود متن کامل پایان نامه ها اینجا کلیک کنید

3-2-2 استخراج ویژگی‌ها………………………………………………………………………………………….42

3-2-3 ویژگی‌های مجموعه داده‌ها……………………………………………………………………………43

3-3 ویژگی Area Method Of Moment of MFCC……….………………………………..

3-3-1عملگر Area Method Of Moment…….……………………………………………..

3-3-2روش محاسبه Area Method Of Moment of MFCC……………………………..

3-4معرفیمعیار شباهت پروفایل جدید…………………………………………………………………………49

3-4-1 معیار شباهت پروفایل…………………………………………………………………………………….50

3-5برنامه کاربردی پیشنهاددهنده موسیقی……………………………………………………………………52

3-5-1 پیشنهاد دهی بر اساس شباهت موسیقی……………………………………………………..55

3-5-2 پیشنهاد دهی بر اساس شباهت پروفایل……………………………………………………….56

3-6نتیجه…………………………………………………………………………………………………….57

فصل چهارم: ارزیابی

4-1مقدمه……………………………………………………………………………………………………………….59

4-2ارزیابی برتریمجموعه داده تولید شده……………………………………………………………….59

4-3ارزیابیویژگیArea Method Of Moment of MFCC…………………………………………………..

4-3-1رده‌بندی سبک………………………………………………………………………………………………61

4-3-2رده‌بندی دستگاه‌های موسیقی سنتی…………………………………………………………..66

4-3-3پیشنهاددهی با استفاده از ویژگی Area Method Of Moment of MFCC……………………..

4-4ارزیابی معیارشباهتپروفایل……………………………………………………………………………….69

4-5نتیجه…………………………………………………………………………………………………69

فصل پنجم:نتیجه گیری و کارهای آینده

5-1مقدمه…………………………………………………………………………………………………………71

5-2دستاوردهای تحقیق………………………………………………………………………………………72

5-3محدودیت­های تحقیق……………………………………………………………………………………..73

5-4کارهای آینده……………………………………………………………………………………………73

چکیده:

به دلیل رشد بی‌رویه فایل‌های موسیقی و ایجاد کتابخانه‌های عظیم دیجیتال، بازیابی اطلاعات موسیقی و سازمان‌دهی آن بر اساس نوع ژانر یا خواننده و یا حالت و … تبدیل به چالشی مهم شده است. علاوه بر آن افراد ذائقه‌های مختلفی در انتخاب موسیقی دارند و یا در شرایط مختلف نیازهای متفاوتی به نوع و حالت موسیقی دارند که با توجه به حجم زیاد موسیقی یافتن فایل‌هایی که مرتبط با ذائقه و یا نیاز افراد باشد کاری دشوار به نظر می‌رسد از همین روست که در سال‌های اخیر توجه خاصی به بازیابی اطلاعات موسیقی شده است. هم اکنونفراداده‌یی نظیر نام فایل، خواننده، اندازه فایل، تاریخ وژانر به صورت معمول در رده‌بندی و بازیابی این رکوردها مورد استفاده قرار می‌گیرد. اما این دسته‌بندی‌ها پاسخ‌گوی نیاز دنیای امروز نیست.

هدف اصلی این پایان­نامه بهبود روش‌های پیشنهاددهی موسیقی با استفاده ازویژگی‌هایمحتواییو همچنین مدیریت پروفایل‌های مشتری می‌باشد. در راستای دست یافتن به این هدفرده‌بندی فایل‌های موسیقی در کلاس‌هایی مانند خواننده و ژانر و یافتن موسیقی‌هایی که از نظر موسیقیای به هم شباهت دارند و همچنین پیشنهاد بر اساس مشتری‌هایی که ذائقه‌های مشترک دارند را می‌توان به خدمت گرفت. در این پایان‌نامه در جهت رسیدن به اهداف ذکر شده، یکی ازکارهای انجام گرفته یافتن یک ویژگی رده­بندی جدید به نام Area Method of Moment می­باشد. این ویژگی بالاترین درصد کارایی را در رده‌بندی ژآنر به دست داده است. علاوهبراین، با استفاده از همین ویژگی‌هایی که نشان‌دهنده یک ویژگی موسیقیای خاص است میزان شباهت فایل‌های موسیقی به هم اندازه‌گیری شده و به کاربران پیشنهاد شده که با توجه به بازخورد کاربران به ارزیابی میزان صحت می‌پردازد. در ادامه برای به خدمت گرفتن روش Collaborative flittering  به ارائه معیاری جدید در یافتن شباهت میان پروفایل‌هامی‌پردازیم. به دلیل این که هدف اصلی این پایان‌نامه کار کردن بر روی موسیقی ایرانی است، بنابراین به علت عدم وجود مجموعه داده مناسب، برای شروع مناسب، ایجاد مجموعه داده مناسب در اولویت تحقیق قرار گرفته است. شایان ذکر است که برای ارزیابی و دریافت بازخورد مشتریان، برنامه کاربردی با ویژگی‌های مذکور پیاده سازی شده است.

از آنجایی که در دنیای رقابتی امروز یافتن موسیقی مورد پسند افراد در صنعت فروش موسیقی از اهمیت بالایی برخوردار استروش‌های پیشنهاد شده در این تحقیق می‌تواند بسیار کاربردی باشد. با توجه به نتایج به دست آمده دراین تحقیق، امید آن می­رود که کمپانی‌های فروش موسیقی آن‌ها را در سطح تجاری مورد استفاده قرار دهند. همچنین روش‌های ارائه شده در این سیستم پیشنهاددهنده می‌تواند برای سایر سیستم‌های پیشنهاددهنده نیز مورد استفاده قرار گیرد.

فصل اول: مقدمه

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...