義守大學資訊工程學系學位論文
義守大學,正常發行
選擇卷期
- 學位論文
本研究提出一種基於遞迴式奇異值分解之線上模糊極限學習機，用以改良原始模糊極限學習機，使之適用於解決分類或迴歸建模中之線上學習問題。與原始模糊極限學習機相同，本方法中隱藏層模糊歸屬函數之相關權重乃是透過隨機給值的方式來設定。然而，本方法使用遞迴式奇異值分解取代原先摩爾彭洛斯廣義逆矩陣，用以針對逐筆輸入資料求出當時之最佳輸出層權重，因此適用於線上學習。實驗結果顯示，相較於原始模糊極限學習機，本方法可進行線上學習，並可達到一致的建模準確率。此外，本方法較他人之線上循序學習演算法更具有較佳之建模準確率與穩定性。
- 學位論文
本研究結合頭皮腦波零越點區間與心率變異分析，提出一種癲癇發作預測方法。對於癲癇患者的頭皮腦波，先取得其發作前與發作間之數個腦波分段，並計算每個分段之零越點區間序列。接著，利用心率變異分析以時間視窗滑動的方式計算零越點區間序列之多個特徵。再來，運用統計檢定評估每個特徵對於發作前與發作間狀態分類之鑑別性。最後，以隨機決策森林、貝氏分類器、最近鄰居法、支持向量機、線性識別分析等五種常用的分類建模方法分別建立發作前與發作間狀態分類模型，並進行分類結果比較。
- 學位論文
干擾波去除已成為許多腦波訊號應用之重要前置處理步驟，其中著名的方法之一即為獨立主成份分析。透過獨立主成份分析，可將腦波訊號分解成多個獨立成分。接著，如何進一步將這些獨立成分辨識為干擾波或正常波乃是一大關鍵問題，因此各種獨立成分時間或空間特徵相繼被提出來做為辨識依據。本研究主要利用統計檢定探討頭皮腦波獨立成分之四種時域與三種空域特徵對干擾波與正常波分類之鑑別性。此外，應用隨機決策森林、貝氏分類器、最近鄰居法、支持向量機、線性識別分析、邏輯回歸模型等六種著名分類建模方法分別建立干擾波與正常波獨立成分分類模型，並進行分類結果討論與比較。
- 學位論文
近年來隨著網路的快速發展以及嵌入式系統的發展越趨成熟，物聯網不再只是一個概念，並開始席捲全球，在各行各業都帶來了革命性的發展。其中將物聯網帶到工業生產的工業4.0，扭轉了傳統的工業生產模式，被喻為是第四次的工業革命。 工業物聯網的基礎設施分為四個部分，負責收集資料以及執行指令的底層裝置、負責將收集到的資料轉送到雲端並將指令傳達給底層裝置的閘道器、覆蓋整個廠區的網路設備、以及負責儲存以及分析資料的雲端伺服器。 隨著工業物聯網技術的持續發展，多功能且具備聯網能力的閘道器已成為工業物聯網的重要關鍵元件，本論文即提出一個基於Node-Red的智慧型聯網閘道器架構並實作其雛型，讓使用者只要具備基本程式邏輯就可自串接的工業設備進行感測資料收集，同時可對資料進行彙整處裡，以及設計控制邏輯來回控設備的運作。除此之外，本論文同時針對常用的功能提出對應的RESTful API並實作之，讓使用者可以透過此API輕鬆的開發第三方程式來取用閘道器上的資源。
- 學位論文
近年來因為山坡地的滑落所形成的土石流已造成國人生命及財產很大的損失，土石流的形成主要原因是雨量太大，雖然雨量的大小是我們無法控制的，但我們可以經由平時做好水土保持，隨時監控山坡地是否有變動的情形，當發現山坡地有不正常的傾斜現像時就要採取相應的補救措施，以提高山坡地對大雨的抵抗力。 多軸飛行器是一種無人飛行載具，它可以依據事先規劃好的路徑飛行，此機動的特性，很適合在不易佈建有線網路的地區做為一個移動的網路平臺，它可以形成一個臨時的網路，與節點以無線的方式交換資料。 隨著網路技術的進步，許多電子產品都具有網路通訊的功能，形成所謂的物聯網。在此論文中我們將水平感測器節點與多軸飛行器接上Zigbee網路，使得節點能透過Zigbee將所測得的傾斜資料傳給多軸飛行器，然後多軸飛行器透過3G網路，將傾斜資料傳至雲端，實現所謂的移動式物聯網。在雲端我們架設了ThingSpeak的網站，使用者透過網頁就可即時的獲得各個節點的資訊。
- 學位論文
以往無線感測網路所使用的網路協定無法直接對外連結，需要透過閘道器(gateway)實行協定的轉換，才能將資料上傳至網際網路。6LoWPAN 是一項基於IEEE 802.15.4延伸發展的協定，能將資料以IPv6的封包格式在IEEE 802.15.4的網路進行傳送，能直接透過閘道器傳送至IPv6網路，提升資料傳送至網際網路的效率。另外，sensor node在傳送訊號時的耗電量是最大的，使用多重跳躍路由機制（multiple-hop routing）在每次進行資料傳送時，需消耗路徑上每個sensor node的電力。使用無人飛行器結合無線感測網路收集資料的方式取代多重跳躍路由機制，不僅能降低傳送的次數，更能增加無線感測網路系統的生命週期。此方式適合用於大範圍地理分布的感測資訊收集與制動器控制。 本論文提出一個基於6LoWPAN協定的無人飛行器無線感測網路資料收集系統，並實作出雛形以驗證其可行性與效能。此系統的感測節點使用6LoWPAN協定組成無線感測網路，節點之間則使用MQTT協定傳送資料，其中某幾個感測節點會成為MQTT broker，其他節點則會固定將資料傳到broker節點。而無人飛行器只需跟broker節點連線並接收資料，不需要跟其他感測節點連線，以此減少節點的傳送次數。在本系統實作雛型的實驗中，無人飛行器可成功將收集到的資料即時透過4G網路匯集至Google試算表上，讓後端使用者可以透過Google API取得並運用資料。
- 學位論文
影像超解析在影像處理領域是一個流行的研究主題，影像超解析是從單張或多張低解析度的影像增加像素數量得到高解析度影像的一個過程。而近年來深度學習受到許多領域的高度關注，所有相關領域中都有出色的效果，其中卷積神經網路被廣泛的應用在電腦視覺和影像辨識上。 本研究中，將以深度學習中的卷積神經網路以及全卷積網路的方式來做影像超解析，探討出架構上對於整體解析度的影響，透過反卷積方法理解卷積神經網路及全卷積網路過程，進而做出有效的調整改善其影像解析度，與傳統內插法做比較。
- 學位論文
對於癌症病患，放射治療計畫在執行前或期間，必須驗證所給予的劑量是否正確，目前普遍做法是採用農夫型游離腔 (farmer chamber)量測治療計畫中某點的點劑量，然而，若要知曉治療的剖面劑量(dose profile)則會花費很多時間，或者可以使用其他較昂貴設備。EBT3 film(軟片)是一種輻射變色軟片，因和人體有效原子序相似且可自體顯影，只要搭配一台標準掃描器，經過劑量校正後，就可得知軟片上二維空間中每點的絕對劑量，故為量測dose profile一個很好的工具。 為因應單次高劑量的治療方式，直線加速器藉著使用無整平濾器(Flattening Filter Free, FFF)的模式提高劑量率，縮短治療時間。在FFF模式下，dose profile並非平坦曲線，因此本篇論文將使用semiflex chamber、EDGE detector和EBT3做dose profile的量測，找出真實且精準的dose profile，做為電腦治療計畫計算劑量的依據。 本實驗設計將軟片垂直放置於固態水假體(RW3)中，並讓軟片中間通過放射線射束中心，透過放置在軟片下方的farmer chamber量測絕對劑量，再搭配百分深度劑量PDD (Percentage Depth Dose)和Matlab軟體求得軟片的劑量擬合曲線公式。後取得軟片FFF模式下之dose profile和年度品質保證semiflex chamber及EDGE detector所量測的dose profile，相互做比較。 結果顯示，當EBT3的分析面積單位和EDGE detector的作用截面相似時，dose profile的輻射半影區量測值會和EDGE detector的量測結果相似，相反的，當EBT3的分析面積單位靠近semiflex chamber的作用截面大小時，量測dose profile的輻射半影區其量測值又會靠近semiflex chamber的量測結果。 由實驗得知EBT3在空間解析度擁有較彈性的選擇，可藉由調整分析面積單位大小，匹配於不同劑量量測工具之量測結果。並透過分析EBT3不同的分析面積單位和其所顯示的劑量不準確度，提供適當的分析面積單位讓後人做參考。
- 學位論文
人工髖關節置換術(Total Hip Replacement, THR)主要作為髖關節關節炎、類風濕性關節炎、股骨頭缺血性壞死、股骨頸骨折、等退化性與外傷性髖關節病變之治療。髖關節置換金屬植入人體，由於緊密性不足，使得髖臼與腿骨元件以及骨水泥膠與組織產生變形、磨損、鬆脫、感染及骨溶解，造成患者髖部疼痛、步伐不穩、髖關節支撐力不足、以及其他不適情形。 本研究採用回顧性配對實驗設計。取樣時間為2004年至2016年，樣本數為共38例，其中男性21例、女性17例。第一次THR術後追蹤之平均年齡為52.5±13.2歲；第二次THR術前追蹤之平均年齡55.3±13.2歲，收集人工髖關節置換的患者為主。第一次THR術後的影像為對照組；第二次THR術前影像為實驗組。利用選定5條影像剖面線形各萃取4種特徵比值，包括剖面線形圖(Line Profile)影像強度最大與最小比值(Max_Min)、剖面線形圖影像強度中位數與最小比值(Med_Min)、剖面線形圖影像強度平均數與最小比值(Mean_Min)、剖面線形圖影像強度平均數與標準差比值(Mean_SD)。經由統計分析檢定控制組與實驗組特徵值差異性與再置換天數關連性；統計分析包括描述性統計、無母數魏克森檢定、皮爾森相關係數以及迴歸分析。。 本研究對照組至實驗組間隔平均天數為男性870.4±647.9天、女性為1318.2±979.7天。藉由魏克森無母數檢定各區位4種特徵比值差異性，發現4條剖面線形圖區位各有1個顯著影像特徵比值，包括區位一(L1)為影像強度最大與最小比值(Max_Min)、區位二(L2)為影像強度中位數與最小比值(Med_Min)、區位三(L3)為影像強度平均數與最小比值(Mean_Min)、區位四(L4)為影像強度平均數與標準差比值(Mean_SD) (P<0.05)。間隔天數與對照組影像特徵值在L1與L2有低度正相關(P<0.05)；L3與 L4區位對照組影像特徵值與間隔天數無明顯相關。迴歸分析結果發現年齡與對照組影像特徵值具有顯著性，可用於預估間隔天數。 本次研究初步了解各區位顯著性特徵比值；可藉由對照組影像特徵值及年齡預估髖關節鬆脫天數。唯本次研究樣本稍嫌不足，建議增加樣本收案數，以提高分析可靠性與準確性。
- 學位論文
本研究中以追蹤眼球的儀器作為人機互動的輸入裝置，由於眼球的跳動 (jitter)會造成游標控制點選的穩定度不足，故提出threshold-based Savitzky-Golay smoothing filter (以下簡稱threshold-based S-G smoothing filter)的方法，即是加入眼跳動的平均歐氏距離值作為其門檻值，在其門檻值範圍內才進行濾波，比較S-G smoothing filter、exponential smoothing filter之間方均根誤差的差異，以九點凝視和虛擬鍵盤輸入中文文字的方式來評估。 本研究徵求十位受試者，透過九點凝視實驗評估，得到threshold-based S-G smoothing filter 比S-G smoothing filter 的方均根誤差改善12.7%以上，受試者得到最適合的濾波器之後，用於虛擬鍵盤的打字實驗；其虛擬鍵盤透過幾種設計，按鍵上有動態放大110×110 (pixels)、80×80 (pixels)、60×60 (pixels)、40×40 (pixels)，以凝視一秒作為點擊，在threshold-based S-G smoothing filter方法下，動態放大按鍵的完成率較其他三種分別提升6.8%、8.1%、28.4%。