• 學位論文

針對影像搜尋應用中學習具鑑別能力之旋積類神經網路描述子

本論文利用旋積類神經網路學習具有鑑別能力的特徵描述子以用於影像檢索。近年來由於旋積類神經網路的特徵學習方法在物件識別應用上有相當不錯的表現，許多研究嘗試將此用於影像檢索上。然而，直接將事先訓練好用於影像分類的權重參數應用於影像檢索，其效能可能不是最好的。為了解決這個問題，我們提出藉由對比損失函數改寫旋積類神經網路的權重參數，使得生成的特徵值適合用於影像檢索應用。我們將在標準測試的影像檢索資料庫上進行研究，實驗結果顯示本論文所提出之架構優於目前最先進之各方法。

• 學位論文

表達式密文搜尋

線上儲存裝置提供更符合經濟效益的方式管理數位資料，而使用加密法來保護這些數位資料是必要的，但傳統加密法其密文無法直接被利用或搜尋。目前密碼學社群中發展的「密文可搜尋加密法」能將關鍵字轉換成密文，而搜尋條件轉換成搜尋標記，並提供比對函數測試密文是否符合搜尋標記。因此，使用者能安全的將密文存放在線上儲存裝置，並委派搜尋標記以存取符合條件的密文。目前以增加「密文可搜尋加密法」的表達性（Expressiveness）為主要研究發展的方向，現有的設計主要是支援「以關鍵字為搜尋單位」的搜尋條件，無法有效率的搜尋部分關鍵字或是搜尋符合特定樣式（Pattern）的關鍵字。 本論文提出的三個表達式密文搜尋加密法設計，皆基礎於橢圓曲線與雙線性配對密碼學，本論文主要的貢獻分為三大部分：（1）應用現有「以關鍵字為搜尋單位」的密文可搜尋加密法，設計各種在密文集上計算統計量之程序，如計算密文集的變異數或是線性回歸；（2）提出「以字元及其位置為搜尋單位」的密文可搜尋加密法，代表性的部分關鍵字搜尋條件如「關鍵字以``ABC"開頭」或「關鍵字的第三個字元為`D'」等；（3）提出能夠支援以「正規表達式」描述的搜尋條件之密文可搜尋加密法，代表性的樣式搜尋條件如「關鍵字中`A'符號出現在`B'符號前」和「關鍵字中包含``ABC"子字串」等。藉由本論文提出的表達式密文搜尋加密法，可以讓線上儲存裝置利用使用者委派的搜尋標記，找出符合條件的密文，大幅增加密文的可利用性，讓使用者能安全且更便利的採用線上儲存服務。

• 學位論文

在LTE-A異質網路下適用於物聯網通訊之高效率存取控制機制及因應流量之蜂巢間干擾協調機制

隨著智慧型手持裝置的廣泛使用及新興應用服務的快速崛起，如即時影音串流服務與多媒體檔案分享服務，使得近年來無線網路上的資料傳輸量有顯著的成長。為了處理這些龐大的資料傳輸，長期演進技術升級版(LTE-A)採用了異質網路(HetNets)架構以擴增LTE-A之傳輸頻寬。LTE-A HetNets中包含了高功率大型基地台(macro eNB)及低功率微型基地台(pico eNB)/中繼節點(relay node)。在本論文中，我們將解決LTE-A HetNets中三大重要議題，分別是物聯網通訊之存取控制、節能、以及蜂巢間干擾協調。 針對物聯網通訊之存取控制議題，我們提出了具負載平衡之高效能協同式存取等級限制機制(CACB-LB)及因應流量之無線資源管理機制(TARRM)。我們提出的CACB-LB利用兩台相鄰基地台間分別只能存取其中一台基地台的機器型通訊裝置(MTC devices)的數量比率來決定在此兩台相鄰基地台在重疊覆蓋範圍中的MTC devices要連哪一台基地台的比率。透過此方式，我們所提的CACB-LB較目前最好相關研究CACB達到更好的基地台之間的負載平衡。我們所提的CACB-LB也利用MTC device從基地台收到的頻道品質指標(CQI)及連接到此基地台的MTC device數量之比值來調整預測到可能存取到此基地台的MTC device數量。因此，我們所提的CACB-LB可以比CACB取得更佳的存取等級限制之限制率集合，也可以降低MTC device的隨機存取延遲時間。我們所提的CACB-LB也可適用於使用者裝置(UE)。此外、我們提出的TARRM在同質性MTC device網路下會根據MTC device隨機存取的頻率及MTC device上傳或下載的資料量來配置無線資源給MTC device。在異質性MTC device網路下則是根據MTC device的優先權來配置無線資源給MTC device。因此，TARRM能更有效地利用無線資源。 針對節能議題，我們提出了根據自我組織網路可調適能量節省機制(AES)。我們提出的AES利用兩層級(蜂巢間層級及蜂巢內層級)多門檻負載管理機制來管理每個中繼節點。我們提出的AES能動態開關中繼節點以達到節省能源。AES也能動態調整中繼節點的傳輸訊號強度以達到節省能源及增加網路資源利用度。此外，我們提出的AES採用類神經網路來預測每個中繼節點的負載，藉以判斷將中繼節點關掉是否適當。 針對蜂巢間干擾協調議題，我們提出了基於自我組織網路動態蜂巢大小調適機制(SCSA)及因應流量之蜂巢間干擾協調機制(TAeICIC)以解決干擾問題。我們所提出的SCSA採用動態多門檻負載管理機制以動態調整低功率微型基地台的傳輸訊號強度。此外，我們提出的TAeICIC是根據一個排程參考，proportional-fair，在一個高功率大型基地台中動態配置適當數量的幾乎空閒子訊框(ABS)，以降低此高功率大型基地台對其鄰近低功率微型基地台之干擾，其中proportional-fair定義為依據UE從基地台收到的CQI所預估的UE吞吐量與預估的UE長期吞吐量的比值。

• 學位論文

基於樣式之近似複製影片檢索、定位與註解

隨著網路多媒體用戶的急速成長，許多社群分享網站不斷地有影片被上傳、觀看。但其中很多影片具有相似的內容，僅僅利用視覺轉換、時間轉換或是後製使其不盡相同。這些影片可能是使用者上傳時沒有發現有重複，也可能是使用者故意上傳類似的內容，但這些近似複製影片容易造成侵害著作權、重複搜尋結果、儲存空間浪費等問題。為了解決這些問題，我們提出了一個階層式架構下基於時空間樣式的近似複製影片檢索與定位方法。首先，我們提出的基於樣式之索引樹(Pattern-based Index Tree, PI-tree)可以快速濾除非近似複製影片，接著基於m-樣式之動態規劃(m-Pattern-based Dynamic Programming, mPDP)能夠定位近似複製的片段，並且根據定位分數重新排序近似複製影片。而為了更有效的擷取與定位近似複製影片，我們更提出了一個基於多特徵樣式索引的架構，基於樣式之修正前綴樹(Modified Pattern-based prefix Tree, MP-tree)可以索引樣式並快速搜尋配對樣式，為了計算查詢影片與參考影片的近似複製程度，我們提出了一個新穎的資料結構─多特徵時間關聯森林(Multi-Feature Temporal Relation Forest, MFTR-forest) 來計算配對樣式之間的時間關聯性。實驗的結果顯示，我們提出的新架構在各種不同的評量下皆優於目前最新的已發表方法。 除了考慮近似複製影片的缺點之外，這些影片也有一些可以利用的特性，例如近似複製影片的內容都是描述同樣的事物，因此我們可以以此特性為基礎來做影像註解。傳統的影像註解方法將標籤註解在關鍵影格、鏡頭或是整部影片上，然而，關鍵影格或是鏡頭的擷取與影片內容關聯性不大，多個主題的影片也很難用少數幾個字來描述，因此，我們在本論文中提出近似場景的概念，一個近似場景將具有相似的概念、主題或是語意。我們提出一個新穎的階層式影片到近似場景註解架構，用來保存近似場景中的語意，並且使其更純淨。為了偵測近似場景，我們先建立一個基於樣式之前綴樹來過濾非近似複製影片，再對剩下來的影片做分群，使每個群中的影片具有類似的近似複製片段以及語意。為了增加近似場景偵測的準確度，我們提出了樣式到強度遮罩演算法(Pattern-to-Intensity-Mark, PIM) 來做到更精確的框架等級近似複製片段對齊。每個近似場景我們為其計算一個影片到概念分布模型，藉由我們提出的潛能詞頻與反向文件頻率來分析關鍵字的代表性以及每個群的鑑別度。藉由完整的實驗可看出樣式到強度遮罩演算法可以更精確的找出近似複製影片片段，並且我們提出的影片到近似場景註解架構可以達到高品質的影片註解。