• 學位論文

帝國競爭演算法之多樣性機制

帝國主義競爭演算法(Imperialist Competitive Algorithm, ICA)是近年發展出來的最佳化演算法，其主要概念係透過觀察人類近代歷史中，強權國家在拓廣領土、搶奪資源的競爭現象，模擬建構而產生。有許多文獻顯示此演算法在解決若干最佳化問題上有很好的表現。然而，ICA的主要問題在於常陷於區域最佳解。本研究透過探討ICA之缺陷，並針對ICA中的帝國競爭方式與殖民地移動方式重新改良。而實驗結果也顯示，改良後之ICA能夠有效提升搜尋全域最佳解的能力。

• 學位論文

遊戲式績效管理之研究

傳統績效考核的主體可分為主管考核、自我考核、同事考核和下屬考核等不同的面向，而考核的人也會因為主觀意識、喜好及近期效應等問題造成考核上的偏差。目前企業最為頭痛的就是1980年後年輕員工的管理，這群新世代的員工希望能透過工作來獲得成就感、公平性、創新並期望能在融合樂趣的環境中享受工作，傳統的績效管理已不能滿足新世代的員工也無法提升他們對於公司的忠誠度及貢獻度，而他們要的除了努力可以得到即時回饋外也希望自己的未來前途掌握在自己手中，因此如何設計一套新的績效管理來符合新世代員工的思維並引導他們發揮創意、智慧將是人資部門的一個重要挑戰。 線上遊戲受到廣大年輕人的愛好而其影響力更深植人心，它也深深的改變了玩家的思想、生活及文化，許多玩家願意每天花上許多的時間、體力及金錢就是為了能在虛擬的世界中獲得即時回饋的成就感。若可以將線上遊戲帶給人們的熱情、積極、成就感、團隊精神用在職場上並允諾他們也可以如同線上遊戲般得到即時回饋的報酬，是否員工的貢獻及忠誠度會因此大大的提升呢？這是十分值得我們來探討及研究的課題。 本研究依據盛大集團所創的遊戲式管理的二大主軸：職位經驗值及項目經驗值來做為研究的主軸，並分析工作內容及績效項目來規劃一套運用於中小企業的績效管理制度，藉由實際試辦來測試員工接受程度及觀察是否影響員工行為之研究。 組織方面可因員工績效的提升而增加整體競爭力，研究結果中亦發現遊戲式績效管理制度要能全面推行至全公司並發揮最大效用，高階主管的支持與資訊系統的支援也是不可或缺的兩大重要關鍵因素。

• 學位論文

自我效能、主觀規範和專案控制力對風險管理工具使用意圖之影響

使用風險管理工具有助於改善軟體專案績效和降低專案失敗率，然而，根據文獻少有學者探究影響專案經理使用風險管理工具意願之因子。針對這個議題，本研究考慮過去文獻所列的相關因素，來擴充科技接受模型並驗證。另外，本研究以國內曾經使用或充分瞭解風險管理工具的IT專案經理作為研究對象，共蒐集97份有效問卷，使用相關係數、解釋力、驗證性因素分析和結構方程模型來檢驗模型的信度和效度，以及評估變數之間的關係。研究結果顯示，自我效能、主觀規範和滿意顯著影響專案經理的持續使用意圖，滿意同時受到自我效能和認知有用性正向影響，認知易用性則受自我效能和主觀規範顯著影響，此外，認知有用性受專案控制力影響。因此，我們提出的科技接受擴充模型對風險管理工具使用有很好的解釋力。

• 學位論文

以PSO為基之帝國主義競爭演算法

本研究之目的在於改良帝國主義競爭演算法 (Imperialist Competitive Algorithm, ICA)。帝國主義競爭演算法不同於基因演算法 (Genetic Algorithm, GA)、粒子群最佳化(Particle Swarm Optimization, PSO)、蟻群最佳化演算法 (Ant Colony Optimization, ACO)都是觀察自然界生物演化的演算法，而帝國主義演算法是藉由觀察人類歷史帝國與殖民地互相資源競爭之行為模式而模擬出的演算法。帝國主義競爭演算法具有殖民地移動步伐大小不穩定以及初始帝國位置好壞之優劣等缺陷。本研究提出以PSO演算法為基礎結合ICA以及人造帝國等方法改良上述缺陷，經實驗測試後本研究方向，具有效提升ICA之效能。

• 學位論文

以擾亂式的同化作用改善帝國競爭演算法

近年來許多啟發式演算法透過模擬生物的演化而發展出來，如基因演算法 (Genetic Algorithm, GA)及粒子群最佳化演算法 (Particle Swarm Optimization, PSO)等。不同於以往的啟發式演算法，帝國競爭演算法 (Imperialist Competitive Algorithm, ICA)則是模擬各個王國之間的互動關係而提出，在許多最佳化問題上有不錯的表現，但是當問題為多維度問題時，則容易陷入問題的區域最佳解。因此本研究改良傳統ICA演算法的做法，採用調整同化方式和調整搜尋範圍的方式，並將ICA演算法混合區域搜尋 (Local Search, LS)，確實在搜尋上得到更好的最佳解。

• 學位論文

建構趨勢切割法與支撐向量迴歸於股票買賣時機之預測

股票市場是一個現代最普遍額外獲利的投資管道，但因為股市環境變化迅速，使投資人往往無法即時且準確的判斷買賣時機，而導致資金虧損，因此如何幫助投資者掌握買賣點且獲得穩定甚至更多的利潤顯得格外重要。過去許多研究中，多數使用線段切割法進行股價的買賣最適時機辨識，但對於預測模型的建立只基於漲跌趨勢的訓練。 本研究嘗試建立一個股市交易決策系統，其主要是利用趨勢切割法（Trend-Based Segmentation Method, TBSM）與支撐向量迴歸（Support Vector Regression, SVR）的結合，達成股票轉折點（買賣時機）之預測。本研究所提出之趨勢切割法有別於傳統線段切割法之判斷方式，考慮股價之特性包含上升、下降及持平趨勢，使得整體預測模型更加穩定及精準。支援向量迴歸用於預測模型的建立具有高穩定性及正確性，結合趨勢切割法的決策依據，所訓練之預測模型將可改善股票買賣時機的偏差問題，期望能達成高穩定且高投資利潤之股市交易決策系統。 根據實驗結果的投資獲利率顯示，本研究模擬數個美國股票的自動交易決策，本研究所提出之模型確實優於其他預測模型，其獲利狀況相當穩定。在發展技術上，本研究提出之趨勢切割法確實可提升預測準確性。在實務應用上，本研究所建立之股市交易決策系統可協助投資人做投資考量指標，以選擇買賣股票的適當時機，有效降低投資風險並提高報酬。

• 學位論文

利用網路言論推測房地產交易溫度

從各種相關研究與政府指標顯示，房地產市場發展會受到房地產本身屬性、周遭環境、政府決策，乃至全球經濟發展等多種因素的影響。本文運用文字探勘方法，蒐集民國94年1月至100年3月共4762筆房地產討論社群資料，經過斷詞處理，特徵詞選取，萃取網站討論者之情緒，量化轉換成情緒分數，透過類神經網路(Neural Network)、基因規劃法(Genetic Programming)、支援向量迴歸(Support Vector Regression)及分類迴歸樹 (Classification and Regression Tree, CART)分別建立模型，再與內政部營建署所提供之房地產買賣移轉棟數比較，進行推估。 並使用MAPE(Mean Absolute Percentage Error)評比各演算法計算結果，其中以支援向量迴歸對測試資料所求得之曲線適配(Curve Fitting)效果最好。此外，將各月之情緒分數分別向前平移一至六個月進行比較，結果顯示以領先買賣移轉數2至3個月的網路情緒與買賣移轉件數之關係最為接近。後續並以此為基礎，透過比較哪些特徵詞出現的量較大，以及超過季平均次數，分別觀察交易量向上反彈時之特徵詞，交易量持平時點之特徵詞，以及交易量向下反轉時點之特徵詞，以提供參考。

• 學位論文

運用基因演算法建立不同時期之最佳選股模式

隨著資訊科發展，投資方式也跟著變多，在眾多的投資方式中，股票仍是大多數人所選擇的投資方式，研究目的是在股市不同時期找出最佳的投資策略。研究先以基本面選擇標的物，對象為上市的半導體產業，找出該產業較有發展的公司，因基本面能評估該公司體質的好壞。因此研究中從過往的論文中，找出對股價有正相關的因子，做為評判是否選取的標準，而所選的基本面分別為毛利率、股價淨值比、現金流量和本益比，利用四基本面找出最佳的投資標的。在交易策略中，利用技術指標作為進出場的依據，主要是讓投資人了解技術指標的有效性。研究中將從過往的論文中，對使用過的技術指標做統計，找出最常用的四項技術指標，並結合基因演算法做交易策略的訓練、測試，將結果和買入持有的投資方式做比較。實驗中設定不同的訓練期和測試期，並分析基因演算法產生的交易策略適合何種交易方式，來幫助投資者建立交易策略，在本研究發現，對於股市進出場投資判斷，建議投資者採用訓練期一個月和測試期一個月會有較佳的投資報酬表現及較低的投資損失風險，而在面對空頭市場時，基因演算法產生的交易策略能較買入持有得到更好的績效。

• 學位論文

運用資料探勘技術預測末期病人短期存活時間

本研究回溯運用2004-2010年間，桃園地區某區域教學醫院醫療資訊系統之電子病歷內，所有最後一次住院日與死亡日，二者間隔小於或等於30天之末期病人基本資料及此住院期間，病人部份之實驗室檢查數據作為輸入變項，並使用資料分類技術，包括決策樹（C5.0、C&RT）、支援向量機(Support Vector Machines, SVM)及類神經網路(Neural Networks, NN)等，發展建構末期病人短期存活時間之預測模型。研究比較各組模型之正確率，非癌症病人組以NN、C&RT、C5.0，結合癌症與非癌症病人組以C5.0分類技術進行預測時，預測正確率可達九成以上；同時決策樹分類技術(90.22%)應用於末期住院病人30天以內存活時間之預測平均正確率優於類神經網路(88.93%)及支援向量機(88.03%)。在屬性敏感度分析結果，末期病人在第二、三週檢驗血清白蛋白(Albumin)、第三週檢驗C反應蛋白(CRP)之異動情形，在預測其30天以內之存活機率上具有指標性意義。病人入住醫院後，其常規執行之一般血液及生化檢驗值可發現與末期病人短期存活時間具有顯著之關聯性，若能利用臨床醫療常規檢查作業之可得性，自動載入資料進入預測模式並有效的轉變為有用的資訊及知識，將可正確協助臨床工作人員，早期推論末期病人此次入住後之存活機率及時間，以作為醫療照護時支援決策之有利工具。期望此篇研究結果除能提供臨床工作人員有用資訊外，亦能夠激發出政府及醫療政策主導者對末期照護與臨終關懷等相關議題的重視。

• 學位論文

線上自動回覆機制：應用於愛滋病議題問答

近幾年在健康照護服務(Health Care Service)的相關研究方面，對於有相關醫療疑問的諮詢者，偏向於建置實體與虛擬的管道進行醫療諮詢服務。隨著網際網路的蓬勃發展，網路平台已經成為民眾尋求醫療諮詢與相互討論的重要管道，但是在網路上如此龐大的資訊中，找到的資訊常是片面或不完整的。當使用者無法得到正確、完整的資訊，往往容易造成觀念及認知上的誤導。 從社會觀感方面，在被貼上負面標籤的疾病議題中，其諮詢者通常傾向於把網路來當作找尋答案的管道，而不傾向採面對面的諮詢，尤其是以尋求 HIV/AIDS 相關醫療資訊情況更為明顯。 目前網路上， Community question answering (CQA) 逐漸成為一種可以快速分享知識的服務模式。本研究提出一個針對具有 HIV/AIDS疑慮問題的自動回覆機制。此機制以基因演化為基礎，利用基因加權的方式，能夠有效的將提問者所提出的問題，找到適當的答案，且提供給該提問者。