• 學位論文

從地點紀錄探勘時空語意軌跡模式

隨著GPS裝置以及智慧型手機的普及，人們能很輕易的記錄自己每天的活動路徑，也使得從行動記錄來挖掘移動路徑模式的研究蓬勃發展。移動路徑模式的資訊包含熱門地點以及移動的順序。然而，這類研究所專注的移動模式並不包含時間或語意的資訊，為了賦予移動模式更多的資訊，在這篇研究中，我們提出了 STS-TP，一種包含時間、空間、語意資訊的軌跡模式。給定一定數量的地點記錄，我們試圖從中找出包含時間、空間、語意資訊的移動軌跡模式。對於蒐集頻率高的的軌跡資料，我們使用了著名的 PrefixSpan 方法來找出其中的STS-TP，對於蒐集頻率低的地點資料(例如：打卡資料等)，我們提出了D-TPMiner 演算法來找出其中的移動軌跡模式；又因為 PrefixSpan 演算法的輸入型態必須是經過標記的串列資料，於是我們提出了SS以及進階的ASS演算法來對資料進行標記。更進一步，我們也定出了查詢的機制使得我們可以利用 STS-TP 來預測人們移動的行為以及其中所包含的資訊。最後，我們使用了在 Google 以及 Foursquare 的真實資料進行了實驗來驗證我們的方法，藉由可用性以及效率兩方面的實驗，證明了我們提出的方法確實能有效的達到上述的目的。

• 學位論文

使用彩色深度感測器之虛擬攝影棚自動導播系統

隨著影視工業的發展，虛擬攝影棚越來越廣泛地被使用在電視或電影的製作上。然而，傳統的虛擬攝影棚大多使用藍綠幕來進行去背，並且需要由導播在幕後操控導播機。本研究的目的是發展出一套能夠於自然場景下自動達到去背效果的導播系統，同時可以經由使用者的手勢直接執行操控指令，並與虛擬物件進行互動。 由於此系統設計是使用Kinect感測器來輔助專業的攝影棚攝影機，因此我們必須將Kinect感測器的深度資訊對位至另一台高解析度彩色攝影機。本系統主要分為三個部分，第一部分是相機校正與對位，第二部分的去除背景，第三則是手勢辨識。我們使用張正友校正法計算出的相機參數來對位兩台攝影機。接著使用Kinect感測器提供的深度值及人體骨架資訊，並對高解析度攝影機的彩色影像做處理取得更細部的輪廓，互相搭配後切割出前景人物區域。另外，人體骨架中手部關節點的三維座標會被記錄下來，對這些資料經過處理後，利用SVM分類器訓練我們的動態手勢樣本，而後於系統中進行辨識。 根據我們的實驗結果，此系統不須透過藍綠幕，即可有效地在自然場景下去除背景，並且運用深度資訊，達到真實人體前景和虛擬三維物件之間的擬真互動與遮蔽效果。此外，我們的系統提供相當高的自由度讓使用者可以經由手勢自行觸發指令或與虛擬物件，達到高度自動化的目的。

• 學位論文

具動態三維投影模型之環車視訊系統

隨著人們對於行車安全的重視，有關安全輔助的車輛電子產品越來越多元，像是汽車防撞、倒車雷達、倒車顯影等，這些產品提供了給使駕駛者直觀的影像，好讓駕駛者了解車輛四周的狀況。而我們研發的車輛環周系統，將還原最真實的景象，有助於駕駛者釐清盲點。 市面上已經出現了一些車輛環周系統，主要透過四台相機，拼接成一張全景圖，供駕駛者釐清車周的盲點。但是在影像重疊的區域仍是眾多難題所在，最主要的解決方法有兩種：一種是選擇一條適當的接縫，將兩張相鄰影像一分為二，但此種作法可能會讓在接縫處的物體消失；另一作法是將重複區域的像素加權平均，此方法的缺點是會產生重影問題，而在此研究中我們採用的是後者。因此我們將著重在解決影像接合的重影，透過3D模型的變形，使得接合後的影像更真實。 在過去，三維全景圖將影像貼在球面或是圓柱面上，但是在我們的環境上，相機視差過大以致於會有鬼影產生，因此我們透過特徵點匹配，找出物件在真實世界的座標，將投影模型做變形，使得此模型盡量符合真實世界的形狀。此研究將著重於大視差攝影機之特徵點匹配與投影模型之形變，而採用了形變的技術後，就能達到消除重影的目的。 我們採用相機校正、投影模型之形變及顏色調整的技術於系統上。在實作方面，我們架設四支魚眼攝影機，並採用基於特徵點的形變於投影模型，透過相鄰攝影機之特徵點匹配來消除重複區域之重影。

• 學位論文

基於歷史互動行為及活動相依性之居家多人活動辨識

由於全球人口快速老化，銀髮族的照護日益重要。過去的研究中，曾利用佈建多樣性的感測器在居住的環境中，經由感測器與活動間的配對達到活動辨識，進而得知居住人的生活情況，達成居家關懷的旨意；然而，對於多人的居住環境中，其無法正確得知的個別居住者的活動歸屬，因此將無法達到確切的關懷美意。因此，在這篇研究中，我們將探討多位銀髮族(居住者)環境下的活動辨識及歸屬問題，並提出四項方法來提高辨識表現，其主要的關鍵是利用居住者間的歷史互動習性、兩兩活動間之關聯性，或更進一步透過居住者身上穿戴的裝置提供之資訊，來有效評估觸發活動的可能使用人，進而提升多人環境下活動的辨識準確度。透過真實數據之實驗，其驗證了我們的居家活動辨識方法能夠有效辨識出大部分的活動使用者，其辨識的準確度最高可達89%。

• 學位論文

一個利用假設檢定和協同過濾來自我調整之動態QoS預測法

Service-Based Systems的開發中，QoS是一個重要的考量因素來幫助決定要將哪些現存的服務有效地去組成一個新的服務。為了能選擇出合適的服務，許多預測QoS的方法被提出。然而在現今開放且動態的網路環境中，導致許多QoS值偏差而無法真實的反應，進而嚴重影響QoS預測的準確度，因此，在這種情況下也無法對Service的選用提供有效的幫助。本文中，我們提出一個自我調整之動態QoS預測法，利用統計的假設檢定來剔除QoS偏差異常值，並以此改善在動態環境下預測的準確度。我們也做多項實驗來評估提出的方法，實驗數據顯示我們的預測結果在一般的情況下準確度優於現存的方法。

• 學位論文

一個應用矩陣分解的即時QoS預測法

一個現有的應用常會藉由已存在的服務去組成。而一般來說，通常會採用QoS的預測值來進行挑選合適的服務，現今已有許多不同的預測QoS方法被提出來。然而當新產生的QoS數據被平台蒐集時，這些預測方法所推論的QoS預測值大多都無法更快速的產生或有效率的更新。本文中，我們提出一個基於時間的QoS預測方法，應用矩陣分解方法的定期背景更新，同時利用並結合線上平台的優勢，在時間的進行下，當更多新的資料持續的被蒐集時，系統變會即時去做部分優化。最後我們會參考時間變化下數據變化的趨勢，來決定並選擇一個較佳的QoS預測值，來提升整體預測的準確度。而實驗數據顯示出我們的方法在加入時間的考量因素後，在系統運行一段時間後，準確度會慢慢提高並逐漸優於其他現有的QoS預測方法。

• 學位論文

一個為異質系統架構並基於KVM的系統虛擬機器

為解決舊有異質運算架構所存在的效能消耗及程式撰寫不便性，異質系統架構基金會提出了異質系統架構。該架構將處理器與其他運算單元放置於同一系統匯流排，使運算單元處於相同位址空間，由此省略運算單元間資料傳輸，程式開發者也可更專注於開發運算演算法而不用處理運算單元間溝通，此設計解決了效能消耗及程式撰寫不便的問題。異質系統架構為異質運算開創了嶄新的發展空間，並提供多種特性使異質運算更強大、更方便、以及更省電。 本論文探討與實作一可運行於異質系統架構之系統虛擬機，因異質系統架構為一嶄新的架構，舊有的系統虛擬機器無法直接運行及虛擬多項異質系統架構所定義的特性。本論文實作基於Linux KVM，並提出多項設計及修改以達到異質系統架構的系統虛擬化。並基於此實作，在異質系統架構上之GPU可共享於多的虛擬作業系統及原生作業系統，在實驗平台AMD Kaveri機器上，多個虛擬作業系統及原生作業系統均可同時分配工作並於GPU端執行。

• 學位論文

藉由自適調整區塊大小管理機制以提升快取記憶體的命中率與效能

命中率與存取時間是決定快取記憶體執行效率的兩個最關鍵因素。為了提升快取記憶體的效能，該研究界已提出各種固定粒度之下的快取記憶體標籤管理機制。然而，固定粒度記憶體架構的效能提升率有限。固定粒度小之快取記憶體需要佔用更大的標籤存取空間，而命中率不大。雖然固定粒度大的快取記憶體之命中率較高，往往因為取多餘的資料而浪費頻寬。 為了得到大粒度以及小粒度之好處，我門提出了可自適調整粒度之快取記憶體架構以及該架構之官理機制。本快取記憶體設計架構不只省了標籤存取空間，而命中率提升25%。另外，本篇論文提的預取機制提升了32%的命中率。此外，我們的實驗數據表示比起現有的固定粒度快取記憶體架構，本自適粒度快取記憶體的平均效能提升了百分之45，而比起理想的靜態記憶體為標籤存取空間之架構，本架構之效能提升了7%。

• 學位論文

依所需安全等級產生適用於雙線性配對之橢圓曲線

近年來有越來越多關於雙線性配對運算的應用被提出，如：密文可搜尋式加密, 身分基礎公鑰系統以及許多他們的延伸研究。首要面對的課題便是要如何去選一條適用於雙線性配對的橢圓曲線，且同時要兼顧可運算性與安全性。前者即是指該曲線的 embedding degree 必須夠小。而後者則是建立於橢圓曲線離散對數問題(ECDLP)以及有限體上的離散對數問題(DLP)之上。然而如此「適當」的曲線非常稀少，所以我們必須要用特殊的方法來尋找。事實上，已經有許多能解這個問題的方法被提出。在這篇論文中，首先我們將介紹關於雙線性配對的基本概念。接著介紹如何能建構一條適用於雙線性配對的橢圓曲線以及一些現有的方法。再來我們會提出我們實作的幾個細節與一些實驗數據。我們的實作著重於隱藏繁雜的數學運算，只留下間單的介面供使用者設定數個簡單的參數，如安全等級與偏好的方法。最後我們會在選擇雙線性配對應用的曲線上給予一些建議。

• 學位論文

異質多核心全系統模擬與基於協作緒陣列的資料預取機制

隨著架構設計的發展，多核心處理器的設計已經從傳統的「同質多核心處理器(Homogeneous multi-core processor)」進入「異質多核心處理器(Heterogeneous multi-core)」的時期，AMD提出的HSA(Heterogeneous systems architecture)整合了CPU與GPU整合在同一個晶片裡，而且他們享有共同的定址空間hUMA（heterogeneous Uniform Memory Access），透過這種共享的定址空間CPU可以直接存取GPU上的資料，GPU在運算時也不用事先複製一份CPU空間裡原有的資料。然而，在CPU與GPU共享記憶體的架構下，將會有許多資源共享，包含快取記憶體、匯流排..等。而且還有會Cache Coherence的問題。但是由於HAS的架構才剛提出不久，所以在模擬平台上仍沒有一個完整的模擬環境可以去探討上述架構的問題，因此本論文提出了一個完整的模擬架構，結合了一個CPU的模擬器以及GPU的模擬器，並實現定址空間共享。最後我們在GPU端實現一個基於協作緒陣列的資料預取機制，並比較傳統CPU資料預取及GPU資料預取的差異，以提升GPU端的效能。