元智大學資訊管理學系學位論文
元智大學,正常發行
選擇卷期
- 學位論文
為了能達到與世界接軌，臺灣在1982年頒布與實施GMP（Good Manufacturing Practice）規範來協助國內生技產業的發展。然而，GMP並未提供明確的軟體確效作法。為了協助企業順利通過客戶稽核與審查，發展自身的確效方法及產出相關證明文件，對生技產業是非常重要。本研究目的是要建立一個軟體確效模型，並產出相關證明文件。本論文以GAMP 5為原則來建立確效模型及產生相關驗證文件，經由客戶稽核來驗證其執行成效。經由分析個案公司實務的經驗，以獲得生技產業在軟體確效作業之可行性做法，並發展自身的確效驗證模型。
- 學位論文
隨著智慧型手機、平板電腦、超薄筆記型電腦(Ultra Book)等行動裝置的廣泛發展及應用下，行動上網服務已經成為21世紀人類的溝通方式，為生活帶來革命性的創新與便利，其中最大的改變就是打破時間和空間限制。我們經常看到手拿行動裝置的使用者，隨處在處理公事或上網接收最新訊息，每到一處就是行動辦公室。 對於行動上網用戶來說，使用者最重視的二個特性是行動性和便利性。不管是透過3G或WiFi上網，連網的速率和品質都是需求者最優先考量。而服務提供者及政府也因應社會需求，極力建置品質更優化快速的網路環境。而企業如何運用這些行動裝置與科技，推動企業行動辦公模式，以提升員工生產力強化企業競爭力？將會是企業與資訊部門的重要發展趨勢與管理挑戰。 本研究是以生產工業電腦的P公司為研究對象，探討製造業在推動行動商務的策略及成功因素，推動行動商務對生產製造及經營管理績效的影響。本研究使用質性個案研究方法，以已推動行動商務的P公司為研究對象。採用半結構式訪談方式收集資料，分析歸納後提出研究命題。本研究首先依研究目的設計訪談問題及訪談對象，對已推行行動商務的個案進行深入個案訪談及實地觀察收集資料，以確保研究信度與效度，整理出研究個案在實際推動行動商務的因素、策略方法與管理績效的過程與看法，收集資料分析行動商務與生產管理績、行動商務與經營管理績效之關係。本研究的結果有三項： （1） 行動商務會提升生產管理績效。 （2） 行動商務會提升經營管理績效。 （3） 推動行動商務的關鍵成功因素。
- 學位論文
在线社区服务提供者非常关心的因素，形成了成员的参與和互动。虽然多项研究已进行了审查在网上社区成员参與动机的主要决定因素，这项研究特别调查成员的意图保持與社区的关系和维护者创建社区标识，其影响因素，并进一步继续参與。 在理论框架，我们提出了三个主要尺寸群落特征，管理特征的在线社区和在线社区的吸引力和形象的人格特质定义。反过来，这个过程会导致成员的实际参與行为，通过社区标识。我们开发的假设，测试如上所述构造的模型之间的关系。研究结果发现，管理的特点和社区功能发挥显著作用，在建立社区标识。轨迹控制和性别显着影响社区鉴定的水平。最后，社区识别被认为是积极参與有关。理论和实践意义进行了进一步的讨论。
- 學位論文
本研究透過在行動裝置上的Google Chrome App瀏覽器，接收雲端PACS系統上的DICOM醫學影像及心電圖檔案以及病歷資訊。此系統運用HTML5語法建置醫學影像顯示平臺，使用者可存取架構於雲端PACS裡的DICOM檔案資訊，並於 Web 平臺顯示出DICOM或DIOCM ECG影像。此系統也可在行動裝置中進行影像對比明亮度調整、量測與放大縮小等功能。本系統以HTML5語法建置，所以可不受iOS與Android平臺限制。除此之外，智慧型手機與平板電腦越來越普遍，以及攜帶方便的多項優點，可讓醫生更為方便、即時地診斷醫學影像。
- 學位論文
投資股市一直是投資者關心的議題，而從股票市場的歷史性資料可反映出未來的趨勢，且具有高度相關性，但是這些分析方式卻都忽略了消息面對短期股價的衝擊。儘管目前有許多網路新聞網站可供人瀏覽，但投資者無法每天為了投資股票而瀏覽大量的新聞文章，並轉化為對投資者本身有效的投資決策。在本研究中，結合技術分析(Technical Analysis, TA)與情感分析(Sentiment Analysis, SA)技術來對臺灣股票加權指數作預測，在技術指標(Technical Indices, TI)特徵集合方面根據技術分析可得知；情感分析可依據新聞文章訊息找出情緒字推估未來趨勢形成情感指標(Sentiment Indices, SI)，兩指標可結合產生TI、TI+Seed、TI+PMI及TI+CE等特徵集合，經由支撐向量迴歸(Support Vector Regression, SVR)來學習特徵集合與每天臺灣大盤加權指數之間的關係來預測未來的股價，將可以降低測試期間之預測錯誤率。 經由實驗結果顯示，加入情感指標來計算股市新聞文章漲跌的特徵集合，可改善僅用技術指標作預測股價的錯誤率。使用點式交互資訊(Pointwise Mutual Information, PMI)及文脈熵模型(Contextual Entropy Model, CE)擴增方法產生的特徵集合優於以基礎字產生的特徵集合，此外，加入以強度來計算情感指標下的特徵集合，更可有效降低臺灣加權指數之預測錯誤率。
- 學位論文
由Markowitz所提出的MV模型(Mean-Variance Model)常應用於投資組合最佳化問題，其效率前緣包含了所有的最佳投資組合的集合。在投資期間，買賣時機為投資人進行投資時考量的重要因素之一，而技術指標被廣泛使用於擇時的參考依據。故本研究首先結合MV模型與隨機指標建構了三種方法，試圖各取其MV模型與隨機指標的優點，建立適合不同風險喜好的投資組合策略。然而為了在同樣的技術指標下尋找可適解，文中也利用了基因演算法求解。並於文末探討本研究所提出之四種方法和傳統方法之間的績效差異
- 學位論文
利用傳統MV模型所提供之權重於out-of-sample時，其績效結果不盡理想，歸咎於MV模型對於使用者所提供之參數，如以歷史資料計算之平均報酬率、變異數與共變異數矩陣實為敏感，且傳統參數無法真實反應未來之狀況。本研究採用動態模式與高估型期望報酬率來替代傳統的平均報酬率之參數；並以高估型期望報酬率為基建立出共變異數矩陣，本研究希望能提供適用於out-of-sample之參數來解決傳統MV模型所面臨的問題，採用動態模式與高估型期望報酬率確實提升了報酬率且得到更好的績效。
- 學位論文
近年來，估計分配演算法(Estimation of Distribution Algorithms, EDAs)被廣泛應用於求解各類組合性問題，但隨著問題的複雜度提升，估計分配演算法容易產生過早收斂而陷入局部最佳化的問題。因此，本研究針對估計分配演算法進行優化，提出一種混合型演算法稱為二元變量估計分配演算法(Bi-Variate Estimation of Distribution Algorithm, BVEDA)。BVEDA以估計分配演算法為架構，使用二元變量機率模型作為演化依據，期望獲得更豐富的演化訊息，根據機率模型挖掘出具有優勢訊息的區塊，並利用區塊組成具競爭優勢的人造解注入母體演化，並結合具高收斂性的區域搜尋方法，增加找尋最佳解的機會。本研究透過排列式流程型排程問題(Permutation Flow Shop Problem, PFSP)來驗證BVEDA的求解能力，實驗結果顯示，BVEDA能有效提升EDAs之收斂能力，避免過早陷入局部最佳化，求解能力優於其他知名的演化式演算法。我們提出的BVEDA兼具效率與效果，是一個具備高度競爭力之演化式演算法。
- 學位論文
對於所有預測問題來說，特徵的使用，都是不可或缺的，而如何去挑選合適的特徵，成為一個問題，究竟在眾多的特徵之中，我們必須如何去做出篩選，以符合問題所需，達到維度縮減的目的。 本文提出了一種基於核函數主成份分析（Kernel Principal Component Analysis）中提取關鍵特性，以提高股票交易模型的性能。核函數主成份分析是一個基於核函數的數據映射，所以它同時具有PCA和非線性映射的特性。許多研究均採用逐步回歸分析（Stepwise Regression Analysis）或是訊息增益(Information Gain)的特徵選擇方法，選擇的顯著特徵，但它會失去一些信息。而其他不同的方法，如PCA，ICA等，線性萃取特徵方法，如果問題非常複雜，它們可能沒有什麼用處。然而，特徵選取或特徵萃取的方法對於預測複雜的問題，效果皆不是非常好。因此，本研究將使用核函數主成份分析萃取資訊予交易系統，它是一個非線性映射。根據許多文獻，非線性映射可以解決高維度問題，如股票預測。 故本研究將其應用於股市交易決策系統，模擬數個美國股票的自動交易系統預測連續數年的股票交易，實驗結果顯示，核函數主成份分析的非線性特徵提取方法，相對於ICA與SRA來說，可以獲取更高的利潤，為更加優異的方法，並且預測長期趨勢確實可以獲得優於短期趨勢的利潤。
- 學位論文
隨著電腦運算能力的提升與網際網路的迅速發展，網路異常入侵偵測系統扮演著資訊安全中相當重要的角色。本研究希望透過啟發式演算法中的類免疫演算法為基礎，希望透過免疫系統中，記憶與學習的特性發展出一個類免疫分類演算法來解決異常入侵等分類問題，演算法中包含具變動範圍抗體之生成、抑制細胞、記憶細胞等機制，其中記憶細胞是本研究中完成建模後之分類器，其負責找出並產生可消滅抗原之抗體，透過這些設計希望提高整體演算法的效率及穩定性。 本研究實驗設計以網路異常偵測為研究方向，並以KDD Cup 1999資料集做為本研究的主要資料，根據實驗結果顯示本研究所提之類免疫演算法結合具變動範圍抗體生成等機制，可在異常入侵偵測問題上得到相當好的分類效果。相較於其他分類演算法，本研究所建立之類免疫分類演算法具有相當程度的正確性及穩定性。