• 學位論文

類神經網路於財務危機預測模式之應用：時間預測變數的比較

台灣經濟成長從2000年開始衰退，許多企業發生了財務危機，如果可以利用財務比率建構一個穩定的財務危機預測模式，應該可以讓公司決策者提早應變，降低投資者損失。 關於財務危機方面的預測，大部分的研究者在探討財務危機預測模式時，大都只考慮發生財務危機當年度的資料，若有考慮多個年度或多個季度的資料時，也是把多個年度的資料整合成一個彙整值，或是分別對每個不同期間的資料做預測。 本研究嘗試比較發生財務危機之前三年資訊和單一年度資訊的兩種模式，使用倒傳遞和前饋式類神經網路、以及CART決策樹三種方法作模式準確度的比較。 研究結果顯示，若考量訓練樣本及測試樣本分類正確率，分析結果發現不論是使用三年的資訊或是只有單一年的資訊的兩種模式都有不錯的準確度。

• 學位論文

Burr XII分配之型I設限資料的逐步部分加速測試：MLE在小樣本的估計效率

隨著產品可靠性的提升, 在一般條件下的壽命試驗會花費很多時間, 進而耗掉很多成本, 唯一的辦法就是降低樣本個數, 此外要短時間內得到產品的資料也相當困難。為了確保實驗單位能加速失效進而縮短實驗時間, 加速壽命測試經常被用來做為進行壽命實驗的主要架構, 但在一些狀況下,失效模型的加速因子參數是未知狀況下, 特別是當試驗對象為新產品時, 部分加速壽命測試則是另一個很好的選擇。 在小樣本下, 本文研究考慮逐步應力部分加速壽命測試方法, 並選擇以Burr XII 分配做為壽命分配, 使用最大概似估計法估計分配及加速因子的參數。分配及加速因子的參數估計值皆是經由推導的聯立方程式計算求得, 除了參數估計外, 本文也同時推導近似變異數且計算參數的信賴區間以比較估計量的實際表現。

• 學位論文

資料複雜度指標對資料探勘分類技術的影響

資料探勘領域中的分類技術經常被用於處理各種分類問題。如何從眾多的分類技術中選擇合適的方法進行分析研究即成為一個重要的課題。以往對於各種分類器的性能評估，通常是比較分類器對於一些測試資料集的預測正確率或模型訓練時間等等……。然而在實務上，每一個不同的分類問題皆有其獨特的資料複雜度，對於所有的測試資料集都給予相同權重的評估方法顯然過於理想化。因此，本研究引入九種資料複雜度指標以量化分類問題的資料特徵，並利用分類錯誤率、敏感度以及特異度來觀察這些資料複雜度指標對於七種常用的分類技術之影響。研究結果顯示，不同的資料特徵的確會對分類技術的效能產生影響。因此未來在處理分類問題時，研究者即可參考本研究結果，先行計算較具代表性的資料複雜度指標以預估可能的分類情形，並且依照資料的結構與特徵來選擇較合適的分類方法以進行後續的研究。

• 學位論文

線性轉換模型對不易感受性之區間設限資料分析

隨著生物臨床醫學研究的發展, 右設限資料分析方法在文獻中已廣為發展與應用, 區間設限資料為醫療研究收集過程中易遇到的資料, 例如病患的定期一段時間回診觀察, 未能確切知道發生事件的準確時間, 只觀察到某兩次回診時間區間中發生。 此外, 在資料結構上亦會收集到不易感受性的資料, 有些被觀察者在研究期間內不會發生我們所感興趣的事件, 通常被歸類為右設限資料, 但是這些資料為確切不發生之事件資料。 本篇考慮使用線性轉換模型(transformationmodel) 分析不易感受性區間設限資料, 使用EM 演算法(EM algorithm) 和牛頓迭代法(Newton-Raphsoniterationmethod) 估計參數, 並透過模擬驗證之。

• 學位論文

以轉換治癒模型分析區間設限資料 - 低壓減壓症之實例分析

在醫學研究中, 收集資料的過程通常持續一段時間, 在此情形下,資料多為區間設限資料。此類型資料在存活分析、社會科學、工業品管的研究中廣泛的被使用。再者, 這類資料中有些個體僅有極低的發生機會為有興趣的事件, 而這些個體即定義為治癒或不易感受性。我們建立混合半參數治癒模型, 藉此用來分析包含區間設限資料及不易感受性資料。 本篇論文中, 我們目的是分析低壓減壓症資料。此資料研究重點為調查在低壓減壓的環境中發生疾病的風險。我們透過混合半參數治癒模型提出概似函數並使用EM 演算法進行迴歸參數的估計。將此方法應用在低壓減壓症資料, 並與其他模型與方法進行比較。