• 學位論文

以Kernel為基礎之模糊分群演算法硬體架構實現

本論文根據文獻[12]以及文獻[17]，以此兩則文獻中提到的FCM-SC分群演算法的硬體架構和KFCM演算法的硬體架構為基礎，實作以非線性高斯核函式為核距離計算之KFCM[12] 再加上空間資訊[17] 後的分群演算法硬體電路，具有管線化以及可以同時計算所有分群之權重係數的能力。此架構改良了以往KFCM分群演算法對於有雜訊的資料做分群的問題，並且配合KFCM本身可以對非線性資料分群效果較好的能力，所以能夠廣泛地使用在許多的分群資料上，並且都有良好的辨識率。本論文使用FPGA實現我們提出的硬體架構，並使用人工雜訊圖片作為實驗測試資料。實驗結果顯示本架構對於有雜訊的非線性資料分群效果確實較KFCM佳，且架構簡單提供了日後高度的延伸性。

• 學位論文

遞迴式類神經網路語言模型使用額外資訊於語音辨識之研究

語言模型藉由大量的文字訓練後，可以捕捉自然語言的規律性，並根據歷史詞序列來區辨出下一個詞應該為何，因此在自動語音辨識(Automatic Speech Recognition, ASR)系統中扮演著不可或缺的角色。傳統統計式N連(N-gram)語言模型是常見的語言模型，它基於已知的前N-1個詞來預測下一個詞出現的可能性。當N小時，缺乏了長距離的資訊；而N大時，會因訓練語料不足產生資料稀疏之問題。近年來，由於類神經網路(Neural Networks)的興起，許多相關研究應運而生，類神經網路語言模型即是一例。令人感興趣的是，類神經網路語言模型能夠解決資料稀疏的問題，它透過將詞序列映射至連續空間來估測下一個詞出現的機率，因此在訓練語料中不會遇到未曾出現過的詞序列組合。除了傳統前饋式類神經網路語言模型外，近來也有學者使用遞迴式類神經網路來建構語言模型，其希望使用遞迴的方式將歷史資訊儲存起來，進而獲得長距離的資訊。 本論文研究遞迴式類神經網路語言模型於中文大詞彙連續語音辨識之使用，探索額外使用關聯資訊以更有效地捕捉長距離資訊，並根據語句的特性動態地調整語言模型。實驗結果顯示，使用關聯資訊於遞迴式類神經網路語言模型能對於大詞彙連續語音辨識的效能有相當程度的提昇。

• 學位論文

兩個專有詞彙關聯句自動擷取之研究

本論文之研究目的是針對可信文字資料來源，根據使用者所輸入的兩個專有詞彙，依照詞彙不同的關係，由資料來源中自動找出關聯句組或是關聯句，幫助使用者比較兩個專有詞彙概念。我們將詞彙關係分成兩大類：包含關係和非包含關係。本系統利用網路搜尋引擎分別搜尋兩個查詢詞彙，蒐集包含個別查詢詞彙的前K名網頁摘要，統計兩個查詢詞彙在彼此網頁摘要中出現的機率作為特徵，依據詞彙關係分類模型進行自動分類。兩個查詢詞彙若被分類為”包含”關係，系統會取出同時包含兩個查詢詞彙之句子作為關聯句集，比對關聯句型規則模型，並計算與查詢詞彙之語意關聯度，選出關聯分數最高的句子當作關聯句。查詢詞彙若被分類為 ”非包含” 關係，系統則取出包含任一查詢詞彙的句子作為關聯句集，從中找出對兩個查詢詞彙有高度關聯的共同概念詞，將句子依照共同概念詞進行分群，評估句子與共同概念詞以及句子間兩兩配對的語意相關分數，挑選分數最高的兩個句子形成關聯句組。實驗結果顯示本研究所提出的方法能有效對查詢字組的關係自動分類；考慮句型和語意關聯度分數找出的關聯句有助於使用者了解查詢詞彙的關聯性；而利用句組分數篩選出的關聯句組亦大多可以幫助使用者釐清兩個查詢詞彙在某些概念上相同相異的比較。

• 學位論文

人類基因與疾病關係之規則擷取

在諸多記載著有關人類遺傳疾病的生物資訊文獻中，研究人員想嘗試著利用各種方法計算出人類遺傳疾病與基因的關聯度，並從中找尋出一些規則或相關性，進而了解兩者之間的關係。若方法適用的話，就可以運用在往後的文獻資料上，在大量產出的文獻上利用這一些規則(rules)及運算方法，如此即可找出疾病與基因兩者之間的關係，這樣既可以幫助閱讀的人，又能省下時間，研究人員們期望藉此方法可以增進生物醫學的發展速度，早日找出解決這些疾病的辦法。 本論文中所使用方法簡述如下：我們使用的資料包含醫學文獻資料庫(Medical Literature Analysis and Retrieval System Online, MEDLINE)，首先從MEDLINE擷取需要使用的資訊：包含TI以及AB，TI為標題，而AB為內文。其次利用線上孟德爾遺傳學(Online Mendelian Inheritance in Man, OMIM)提供的morbid標準答案來找出遺傳疾病與基因有關係的正確句子出來。然後用Memory-Based Shallow Parser (MBSP)來剖析這些正確句子以及隨機挑選出的不正確句子以得到詞性(part of speech)的資訊，接著使用ILP framework的ALEPH系統來學習規則。在ILP framework中包含了三個元素，分別是hypothesis H、background knowledge B以及examples E，如果知道了B和E就可以得出H。而在找出來的這些規則中，我們提出一些計算方式實驗取得較好的規則出來，最後評量時就是利用這些規則找出相關聯的疾病與基因，最後再以準確度及回收率做為評估的準則。實驗結果顯示最好的F-score為66.9%，此時的準確度為70.6%，此時回收率為63.5%。

• 學位論文

參數調整機制於多目標演化式演算法之效能剖析

在現實生活中，我們常常需要解決一些具有多個目標需要考量的問題，並且這些目標通常是互相衝突的，這些問題稱為多目標問題，而多目標最佳化問題的目標便是找出能最佳化這些目標的解集合。演化式演算法 (evolutionary algorithm) 是求解這類問題的常見演算法，其概念為利用族群演化的方式來尋找最佳解集合。MOEA/D 為其中一種知名的演算法，利用將多目標問題拆成單目標來求解的作法可以獲得良好的結果，而 MOEA/D-AMS 與 MOEA/D-APC 便是以該演算法為基礎所改良，其中 MOEA/D-APC 參考了差分演化 (differential evolution) 產生子代的作法，該演算法擁有兩個控制參數 F 與 CR，這兩個參數值是影響子代品質的關鍵，因此 MOEA/D-APC 加入了讓參數隨演化過程調整的機制，經過實驗證明效能有所改善，但仍然在少部分問題上輸給其他的DE演算法。 本論文挑出八個具有不同參數調整機制的DE演算法，利用 MOEA/D-AMS為主體分別結合這八種演算法與 MOEA/D-APC 的參數調整機制，藉由對17個測試問題進行實驗與分析，討論不同調整機制對效能的影響，並將主要目標放在探討 MOEA/D-APC 的弱項及改進方案上。

• 學位論文

以菲涅耳轉換及相位展開為基礎之數位全像顯微鏡在FPGA上之實現

本論文旨在提出一硬體架構可以將數位全像片還原成原始影像相位圖，此硬體架構適用於嵌入式的數位全像顯微鏡(Digital Holographic Microscopy, DHM)系統，能夠加快運算來即時取得正確的還原全像影像。 本硬體架構採用皆以快速傅立葉轉換(FFT)為基礎的菲涅耳轉換搭配相位展開法則演算法來達到全像圖重建的目的。其中快速傅立葉轉換為高複雜度計算，對於一些需要即時顯示還原影像的應用往往會遇到很大的困難，因此本論文使用硬體電路架構來執行相關運算，以克服一般嵌入式系統上運算能力的限制，以縮短相位重建影像運算所需要花費的時間。另外，為克服硬體常見精確度不足問題，本硬體電路中大多使用IEEE 754浮點數格式來提升計算的精確度。 最後我們以現場可程式化邏輯閘陣列(Field Programmable Gate Array ,FPGA)為開發平台實現並實際測量硬體電路的資源消耗以及運算時間；實驗的結果顯示了本論文所提出的相位展開法則硬體架構能夠得到正確的還原結果，並且有效的降低還原相位圖運算所需要花費的時間以及擁有低硬體資源消耗的優點，因此適合使用於嵌入式的DHM 系統。

• 學位論文

以電腦視覺為基礎之智慧型教室應用架構與實作

隨著時代的變更，許多的E化教室紛紛設立。因為與傳統截然不同的教學設施，教學的方式也漸漸的隨之改變。隨著越來越多的智慧型資訊系統被開發出來，卻因這些系統往往彼此獨立，各有各的操作介面，導致原先為了方便使用者而開發出來的系統反成了使用者的負擔。 在這樣的環境下，我們期望建立一個整合系統來統整這些智慧型資訊系統的功能，透過單一的操作介面來減輕使用者的負擔。同時，透過這個整合系統，各智慧型資訊系統的開發者也可利用其中的資訊來加速開發，同時能讓開發者更加專注於自己的目標上。更進一步的說，若其中的智慧型資訊系統有所更新，其他的智慧型資訊系統亦能有所提升。 我們透過將系統切割為資料控管、邏輯控制與資料處理三個部分，使得系統在有足夠的彈性應付未來不可預期的變動時，同時能兼顧一定的效能。也讓各項資料處理的工作劃分的更加乾淨，避免了開發者在非主要目標上投注過多精力的情形發生。

• 學位論文

劇院照片建置自動化之研究

劇院照片是2011年開始發展的一種新的照片型態，即一張照片中有某些區域是會動的，且該動態區域內影像的變化是連貫、合理、且能不斷重複的。手動製作劇院照片是一件費時耗工的工作，通常使用者必須拍攝好一段影片並利用影像處理軟體對影片中的每一張影像編修欲保留之動態區域，最後再將其合併。此外，如何選擇動態區域使得製作出的劇院照片更有趣、更吸引人亦是一個問題。現今對自動化建置劇院照片的研究之中，大多的方法會先找出影片中所有動態區域，進而讓使用者決定要保留哪一部分動態區域。本論文提出的方法著重於動態區域的選擇，以計算的方法自動篩選動態區域，選擇較為吸引人注意且使用者會感興趣的一塊區域。我們提出一個全自動化建置劇院照片的方法，讓劇院照片的製作更為簡易方便。使用者只須拍攝好影片即可製作出一張劇院照片。實驗結果顯示，我們提出的方法所選擇的動態遮罩區域大部分符合一般使用者的觀點。

• 學位論文

中文文法剖析應用於電影評論之意見情感分類

在網路發達的現今社會，各種領域的評論資訊觸手可及，人們也習慣於收集產品的網路評論作為消費前的參考。尤其在電影產品上，除了從片商釋出預告片裡的片段內容外，事前無法試看，事後也無法退費。因此在前往電影院購票前，人們會更加重視網路上的評論心得。 在本篇論文中，收集來自電影評論網當中觀影民眾的評論文章，希望透過自然語言的分析技術，總結出一個電影整體的推薦分數以及數個電影元素（如劇情、演員、特效等）的高頻率意見詞，提供使用者選擇適合自己的電影觀賞。 在研究方法上，選擇以中文電影的評論文章為主，在傳統的電影評論意見分類步驟中引入中央研究院的中文剖析器，發展一套根據文法關係圖判斷意見詞與屬性詞配對的程式流程，以便針對大量字數的評論文章獲得更準確的分析及評分結果，最後再以五等第制的方式呈現。 實驗的結果證明本論文所提出系統的評分結果在誤差一分的情況下有70.7%的準確率，整體的MRR值為0.61；將五等第化為推薦與不推薦的結論時，也分別獲得了F-score 74.3%與51.4%的成果。這表示本實驗系統在透過大量收集網路評論文章來幫助使用者判斷電影的推薦程度上，確實達到預期的效果。

• 學位論文

社交標籤系統中瀏覽式標籤推薦查詢之研究

使用者對標籤資源進行查詢時，大多給予簡短的查詢字，搜尋出包含查詢字為標籤的資料物件。當查詢字為涵義較廣的字時，常造成查詢結果回傳大量資料物件，導致使用者需要費時對龐大的物件一一瀏覽，才能找到真正需要的資料。因此，本論文對社交標籤系統，探討如何由使用者給定的查詢字提供進一步的查詢標籤推薦，使能快速篩選找到所需資料。我們從包含查詢字為標籤的物件，以這些物件包含的所有標籤為候選標籤，評估與查詢字間的相關程度及和已推薦標籤的相異程度來決定一個標籤的關聯代表分數，再選擇分數值最高的前k個標籤為推薦查詢標籤。我們採用面相查詢的概念呈現推薦標籤，當使用者選擇特定推薦標籤後，系統將根據所選擇標籤推薦下一層可進一步篩選結果的查詢標籤，幫助使用者逐步縮小查詢結果涵蓋範圍。此外，本論文提出一個雙層式索引結構來加速社交標籤系統的查詢處理，而此索引結構也可支援可容錯的集合包含查詢處理。實驗結果顯示本研究方法可有效減少使用者搜尋資料所需的瀏覽成本，而所提出的索引結構亦可有效增進容錯集合包含查詢的處理效率，且對於關鍵字個數較多的查詢字效果越佳。