• 學位論文

應用動態增強核磁共振與擴散磁振分析乳癌生物標記

近年來，已經有許多乳癌的療法。醫師會根據病人乳癌的致因和生物標記的結果來設計療程。已經有許多生物標記用於估計預後的效果，包括動情激素受體、黃體素受體以及第二型表皮生長因子受體。本篇論文的目標是用動態對比增強核磁共振影像與擴散核磁共振影像上的特徵來預測情激素受體、黃體素受體、第二型表皮生長因子受體以及三陰性特性(動情激素受體、黃體素受體以及第二型表皮生長因子受體皆為陰性反應)。動態對比增強核磁共振影像是一種利用顯影劑來增強特定器官、組織或腫瘤的對比。擴散核磁共振影像是一種紀錄水分子在組織間布朗運動的影像。本篇提出的電腦輔助分類系統中，動態對比增強核磁共振影像上的腫瘤區塊會以使用者標記區塊及信心連接切割演算法切割，擴散核磁共振影像上的腫瘤運用套合演算法來得到，並在這兩種影像上擷取七大類特徵，其中含有顯著擴散係數區域、形狀、材質、ranklet材質、血管特徵及腫瘤動力曲線。顯著擴散特徵是量化水分子在組織間擴散程度。三維區域特徵是量化腫瘤的異質性與亂度。形狀特徵量化包含腫瘤的緊實度、邊緣的變化以及所對應橢圓模型的比對結果。三維材質特徵是用灰階共生矩陣對腫瘤作紋理分析。Ranklet材質特徵會用灰階共生矩陣計算經由ranklet轉換後的腫瘤紋理。血管特徵是擷取與血管有管的形態學特徵。而動力曲線是利用fuzzy C-means方法來找出能代表腫瘤的動力曲線，並對該曲線作分析。在腫瘤的激情素受體分類實驗中，有78個病理檢驗過的腫瘤作為實驗資料，其中包含47個動情激素受體陽性反應的腫瘤以及31個動情激素受體陰性反應的腫瘤,並可以達到準確性80.76% (63/78)、敏感性82.98% (39/47)、專一性77.42% (24/31)以及Az值0.8006的結果。在腫瘤的黃體素受體分類實驗中，有78個病理檢驗過的腫瘤作為實驗資料，其中包含27個黃體素受體陽性反應的腫瘤以及51個黃體素受體陰性反應的腫瘤，並可以達到準確性79.49% (62/78)、敏感性70.37% (19/27)、專一性84.31% (43/51)以及Az值0.7911的結果。在腫瘤的第二型表皮生長因子受體分類實驗中，有78個病理檢驗過的腫瘤作為實驗資料，其中包含36個第二型表皮生長因子受體陽性反應的腫瘤以及42個第二型表皮生長因子受體陰性反應的腫瘤，並可以達到準確性80.77% (63/78)、敏感性77.78% (28/36)、專一性80.95% (34/42)以及Az值0.8501的結果。在腫瘤的三陰性分類實驗中，有78個病理檢驗過的腫瘤作為實驗資料，其中包含14個三陰性反應的腫瘤以及64個無三陰性反應的腫瘤，並可以達到準確性80.77% (63/78)、敏感性71.43% (10/14)、專一性82.81% (53/64)以及Az值0.7043的結果。

• 學位論文

大規模矩陣分解與其廣義模型

矩陣分解在許多領域如線上商品推薦與社交網路分析中均扮演著重要的腳色。 本文旨在探究大規模矩陣分解在實務上所遭遇的一些困難並提出對應的解決辦法。 首先，矩陣分解的技術中，隨機梯度法是目前最重要的演算法之一，但有效率的調整隨機梯度法中的學習速率仍是一個巨大的挑戰。 我們針對應用於矩陣分解的隨機梯度法提出了一個有效的速率調整策略並藉此改進了隨機梯度法的收斂性質。 又由於目前大部分的矩陣分解軟體均不支援平行運算，這些軟體的使用者們很難得益於現行分享式記憶體與多核處理器平台強大的平行計算能力。 基於我們最近所發展出的平行隨機梯度法，我們設計了一個新的矩陣分解函式庫—LIBMF—並開放給公眾使用。 在LIBMF的架構下，我們可以求解數種不同的矩陣分解問題。 最後，我們討論了一個廣義的矩陣分解模型—場域分解機（Field-aware factorization machine）；目前已知此模型在資料非常稀疏的分類問題中可以達到很好的效果。

• 學位論文

可列印三維存錢筒模型之建構方法

現今要取得存錢筒的方法或者是透過購買、或者是透過現有物品DIY加工，都會被限制而無法忠實呈現使用者想要的設計。 本篇論文提出一套三維模型設計輔助工具，可以讓使用者根據自己的需求設計存錢筒的三維模型，並使透過三維印表機列印出來的三維存錢筒模型具有實際存錢的功能。首先我們提供了三個取得三維模型的步驟，並依序將三維模型挖空、加入存錢筒的基本功能，最後再將成品列印出來。過程中希望簡化所有使用者需要用到的操作，使使用者能夠輕鬆、無負擔的創造具個人獨特性的存錢筒。 此外，製作存錢筒過程中的存錢部分挖空，也就是體積優化，適當的挖空法可以節省三維列印所需消耗的塑料和時間。我們也提出了平均曲率挖空法和滾球挖空法兩種方法。

• 學位論文

一種基於新的信賴區間更新規則之高效牛頓法於大規模線性分類

線性分類的一個主要任務是解決最小化問題。雖然有很多最優化技術可以方便地運用，但是對於大規模資料需要有特殊的演算法改進。典型的無規則最優化演算法迭代地進行兩個過程：尋找一個好的下降方向，然後調整合適的步長。過去的線性分類發展主要集中在尋找下降方向，而很少考慮調整步長。在這篇論文中，我們提出了一種新穎的調整信賴區間大小的方法來間接地調整步長。這個設定嵌於一個針對邏輯迴歸和L2損失支援向量機的信賴區間牛頓法中。實驗證明我們的新方法極大地領先現有的大規模線性分類方法。

• 學位論文

空拍機的感測器融合與互補式自我定位

即時定位與地圖構建(SLAM)是一種解決飛行器自我定位問題的通用方法。但是，目前現有的SLAM方法，都有各種各樣的限制，比如在缺少特徵點，有重複圖案的場景中，或是由於相機的動態模糊的影響，都會使得SLAM定位結果缺失或是偏移。因此，爲了剋服僅基於視覺的飛行器自我定位方法的局限，我們提出了一種互補式的定位方法。該方法基於拓展卡爾曼濾波，將IMU作爲額外的傳感器融合進定位過程中，並基於IMU的讀數，來修正視覺定位的結果。同時，該方法將基於特徵點以及直接法這兩種不同分類的SLAM定位方法進行融合，進行互補式定位。實驗表明，我們的方法不僅可以提升視覺定位的結果，同時在視覺定位出現大的失誤時，可以轉換成另一個進行互補式定位，使飛行器的自我定位更穩定。

• 學位論文

基於電腦視覺方法利用無線網路訊號實現動作辨識

由於無線網路訊號的普及性，低成本以及不侵犯隱私性，利用無線網路訊號實現動作辨識在近幾年來受到相當程度的重視。通道狀態訊息(Channel State Information, 以下簡稱CSI)是一種可從接收到的無線網路訊號預估出來的資訊，提供了詳細的環境如何影響訊號的訊息。我們觀察到CSI畫成圖片後，會由於不同動作而產生不同的材質變化，於是我們將不同動作預估出來的CSI都轉成類似頻譜的圖片，並從其抽取特徵值，接著訓練支持向量機進行分類，以實現動作辨識。實驗結果顯示，將CSI轉成圖片看待，在辨識7種不同動作能夠達到85%以上的準確率。 然而，實驗結果也顯示，預估出來的CSI存在著地點資訊，若無線網路訊號是從不同地點被錄下的，那麼原本訓練好的分類器將無法辨識該動作。於是，我們提出了一個基於奇異值分解(Singular Value Decomposition)的方法，能夠將地點資訊從CSI中移除，使得留下的資訊就是人的動作的影響。實驗結果顯示，在跨房間(地點)的動作辨識上，我們的方法在分類6個不同動作能夠達到90%的準確率。 我們的貢獻包括： 就我們所知，我們是第一個探討將CSI視為圖片，並且提出使用電腦視覺方法實現動作辨識的論文。 我們將不同對的天線視為不同信號通道，並且探討了不同特徵融合的方法，也達到了同一地點上不錯的動作辨識率。 我們提出的地點資訊移除方法，成功實現了跨房間的動作辨識。

• 學位論文

探索指觸輸入介面以增強沉浸式多媒體互動

沉浸式多媒體系統旨在提供使用者身歷其境的互動體驗。為了提供 使用者直覺、易學的互動操作,現今的多媒體互動系統多採用指觸輸 入介面。然而,介面配置乃是隨著輸入裝置的形狀排列,而非使用者 手指與裝置的空間關係,使得部分介面難以觸及,遭成輸入可得性之 不足。再者,常見的指觸介面一般單純將手指數位化成二維單點,提 供有限的輸入表達性。受限的輸入因此降低了互動時的沉浸感。本論 文之主旨便是在於探索如何將人體工學納入觸控介面設計時的考量, 強化其輸入表達性與可得性。研究使用者的使用介面時的手指可動範 圍,則能夠幫助我們改進介面的空間配置,增強輸入可得性。而人體 精密且多維度的特性可被用於增加手指輸入時的表達性。本論文探討 多種指觸介面,包括行動裝置、穿戴型裝置、以及身體輸入介面等。 我們針對每一種觸控介面使用時的特性,討論如何考量人體工學重新 設計,並提出設計準則與原型系統。我們的研究結果能夠益於現有的 指觸介面,強化輸入的表達性與可得性。其研究結果更能益於使用指 觸介面的沉浸式多媒體系統。使用者得以快速完成輸入,將注意力放 在多媒體內容上,維持其沉浸感。

• 學位論文

基於超大規模儲存系統之新管理層設計

在過去的數十年中，快閃記憶體和硬碟已經幾乎主宰了整個儲存市場。為了能替接下來的大數據時代開創超大規模的儲存容量，許多不同的技術已經開始被應用於超大型儲存容量之快閃記憶體儲存裝置和硬碟中。本博士論文探討，當儲存系統規模上升時，所可能面臨之新的設計挑戰；同時，為了避免持續複雜化現有之設計以及造成較大開發成本和較長的開發時間，本論文更企求能透過提出新管理層之設計理念，用更模組化和更符合經濟效益的方式來解決所觀察到的問題。首先，我們重新審視快閃記憶體儲存裝置之軟體管理層設計，並提出將蘊含高度存取平行的快閃記憶體晶片重組並虛擬為可靠度較高的「虛擬快閃記憶體晶片」，藉此提升資料的可修復率。接著，我們探討如何能有效達成好的設計可延展性，以促進當快閃記憶體儲存裝置規模提升時的開發效率。不同於提出另一個設計架構，我們提出一個新軟體層設計來有效提升多晶片和多控制單元快閃記憶體儲存裝置之效能可延展性。另一方面，本論文也探討了疊瓦式磁記錄技術之設計挑戰，因為該技術能在不改變傳統硬碟的基本架構下有效地提升硬碟之儲存空間密度。本論文提出一個新軟體層設計來解決主機感知式疊瓦式磁記錄硬碟所可能產生的長延遲效應；此設計不僅保留了主機感知式疊瓦式磁記錄硬碟之較為經濟的設計模型，並彈性地利用主機端的計算和管理資源來提升硬碟之效能。

• 學位論文

高覆蓋率中文關連樣式探勘以加速及完備知識圖譜之建立

近年來，隨著網際網路的迅速發展，人們可以透過不同的管道取得大量的資訊，例如：網路新聞、社群網路、部落格、論壇等。人們每天在網路上製造大量的資訊，其中有些資訊經過蒐集、整理、歸納後是值得被人們儲存並再次利用的。知識庫即是常用來儲存這類有用資訊的方式之一，人們多半使用結構化的方式來儲存，以利往後能夠更加方便的使用這些知識。 然而，由於多數知識庫皆由人類編輯彙整，在這資訊爆炸的時代，資訊產生的量遠高於志願編輯者所能負擔，使得從事件發生到被新增到知識庫中會有一定程度的時間間隔。因此，如何有效的加速知識庫的建立將會是個重大的課題。關連樣式是人們常用來加速知識庫建立的方式，但除了英文之外，很少有其他語言的關連樣式資源可以讓人們使用。 本研究提出一套建立高覆蓋率中文關連樣式庫的方式，以加速知識庫的建立以及知識庫的應用。本研究以DBpedia的實體特性作為依據，針對每個實體特性進行探勘，找出其對應的中文關連樣式。我們將詳細的說明每個步驟的實作細節，包含文本的前處理、實體範例擷取、以及關連樣式萃取共三個部分。此外，我們也會討論過程中可能出現的問題，以及這些問題的影響與解決方式。最後，本研究使用人工標記者去衡量中文關連樣式的效能，並討論不同因素對於關連樣式品質的影響。 以往人們可以藉由應用英文關連樣式庫做相關的研究，其他語言因沒有較完整地關連樣式資源不得其門而入。如今，可藉由本研究產生之高覆蓋率中文關連樣式庫進行相同領域的研究，讓知識庫相關的研究能夠不只在英文領域發展，也同樣能在中文領域開啟一片天。此外，雖然本研究提出的方式主要是針對中文關連樣式的建立，但我們認為其他和中文有類似特性的語言，例如：日文、韓文，皆可嘗試使用本研究提出的方法來建立該語言專屬的關連樣式庫。

• 學位論文

陪伴機器人以提出情境感知之寒暄話題來開啟與人互動

隨著家用機器人逐漸出現在市場上，人們對於機器人的期望不再僅限於單純的提供服務，而是希望機器人能夠更人性化的陪伴孩童遊戲，關心家中成員，甚至是看護長者。此類陪伴型機器人不僅要能以自然的方式與使用者互動，還需要更進一步的與使用者建立社交關係，才能夠藉由陪伴達到提供使用者社交支持的目的。為使機器人更快的與使用者建立社交關係，機器人必須具備主動與使用者互動的能力。本論文參考人際互動中寒暄式對話之特性，使機器人仿效人們在開啟寒暄互動時話題選擇的策略，根據當下情境、雙方共同的認知以及社交距離來選擇適當的話題來開始與使用者的互動。首先， 機器人必須能夠藉由有限的感測器資訊判斷當下的情境。其次，機器人必須以符合社交規範與常識的方式找出與情境相關的話題。最後，機器人必須根據與使用者之間的社交距離選擇適當的話題。因此，我們所提出之話題選擇系統包含三大部分。第一，我們建立了一個常識知識庫作為情境判斷與話題選擇的依據，此知識庫包含情境中「人、事、時、地、物」之間各種可能的關係。第二，使用機率軟性邏輯(Probabilistic Soft Logic)將知識庫中的邏輯規則轉換為機率模型以考慮感測器與環境的不確定性。第三，根據社會語言學之研究，考慮當下情境與使用者的親近程度，選擇適當的話題以避免過於唐突的話題冒犯到使用者。最後，我們邀請八位志願者參與我們設計的實驗，實驗結果顯示所提出之話題選擇系統確實能夠依據不同情境與社交關係選擇符合當下情境與社交關係的話題。