中正大學資訊工程學系學位論文
國立中正大學,正常發行
選擇卷期
- 學位論文
身處於資訊爆炸的時代，必須隨時跟著時代的脈動，於是需要從各方面吸收新知；但在資訊過於雜亂的情形下，要瀏覽特地感興趣的東西成為一件頗為困難的事情，而資訊又常常會有重複而雜亂的問題，於是我們設計實作一個系統來幫我們訂閱網路上我們所感興趣的最新訊息， 並且將資訊可以有系統化的統整後，以一個較為合適的觀看畫面呈現於我們的行動裝置上，透過上面的儲存機制，我們也可以在無網路的時刻瀏覽我們訂閱所得到的資訊以提升效率。
- 學位論文
老年性黃斑部病變為歐美已開發國家造成失明的最主要原因，而對於已邁入高齡化社會的台灣來說，也逐漸成為國人失明的主要原因之一。息肉狀脈絡膜血管病變為老年性黃斑部病變的一種型態，而其主要的病徵為具有多數分支的脈絡膜血管網路，並且在血管末端會有類似息肉狀的病變。循血綠血管攝影檢查為目前用來診斷息肉狀脈絡膜血管病變最好的方式，然而在臨床診斷上，醫生只能透過眼睛來觀察影像的變化，卻沒有其他的工具來輔助，非常的不方便，所以我們基於臨床診斷上設計一個電腦輔助系統，做為醫生在診斷時可以使用的輔助工具。 我們的系統使用 Edge-Driven DB-ICP (Edge-Driven Dual-bootstrap Iterative Closest Point) 套合演算法來套合影像序列和亮度校正來校正影像序列，並且讓醫生對影像感興趣的區塊做框選觀察其亮度變化且提供量化的數據。除此之外，針對於我們所使用的 EVEREST 研究的病人影像資料，我們對息肉狀脈絡膜血管病變加以分類出四種類別，提供醫生在臨床上做診斷。
- 學位論文
執行緒推測技術是一種利用多個執行緒去運行程式並且利用猜測技術來確定程式運行的正確性而達到平行運行的效能，當程式有相依性關係的資料存在的時候，我們並須要確保平行執行時的正確性，因此當我們程式執行完時檢查資料順序的正確性，如果正確的話就繼續往下執行，而我們也因此得到效能的提升，如果資料順序錯誤時，則我們要花費一些時間進入回復機制，讓資料重新執行並確保正確，因此如果當發生的資料錯誤的機率太高時，則可能會花太多時間在回覆機制上面，因此讓平行執行的效能失去。 對於一般使用者而言，要設計一個執行緒推測技術的模型並不是相當容易的，因為當中包含了一些同步、資料競爭的機制考量，因此在本論文中，我們利用OpenMP這個API以及GCC編譯器設計一個可以自動化產生平行程式碼的方法。 OpenMP為一個可以簡單讓使用者輕鬆讓程式平行化的模型，只要透過一些指令，就可以讓程式去執行平行化，目前我們僅針對 "pragma omp for" 結構在OpenMP裡面加入我們的執行緒推測技術模型，我們利用GCC中間表示的 gimple節點，將 "for-loop body" 的部分抓取出來，並加以修改插入我們需要的程式碼以及函式來完成執行緒猜測技術的模型。而使用者如要使用我們的模型時不需手動去修改出模型，只需要知道有相依性的資料變數並且標註我們自行建立的指令就可以使用執行緒推測技術模型。
- 學位論文
IEEE 802.16 WiMAX在新世代的無線網路中是一個重要的技術，WiMAX所擁有的高傳輸速率和廣闊的傳輸半徑，使得即時廣播應用技術(例如：video conferencing, VoIP, 和 IPTV)可以實現，但是在WiMAX中，主要基地台的建設是非常昂貴的，這表示我們不太可能布建多個主要基地台來提升服務的範圍跟效率。針對這個問題，在IEEE 802.16j提供一些解決方法，它提出了一個新節點機器叫做轉傳節點，使用轉傳節點就可以用較少資源，來服務其他的使用者並且增加服務的範圍，然而在絕大多數的無線網路中，資源是有限的，因此如何在資源限制的WiMAX架構下，分配資源給主要基地台跟轉傳節點，就是一個困難的課題。 在此論文中，我們使用螞蟻演算法來解決這個問題，針對這問題我們提出了多種的運算元件配合MAX-MIN ant system，來提升解的品質，最後與其它演算法在不同規模的網路環境比較。
- 學位論文
在實際應用面上，當建置分類系統時，會先遭遇兩個主要的困難需求：首要是難以在短時間內收集完整的資料集合，再來就是難以人工標識(labeling)所有資料的標籤。由於主動式學習法(active learning)主要目的是能標識有用資料並用以求得高準確率的分類器，以降低需人工需求，而漸進式學習法(incremental learning)主要能有效率地用批次資料更新分類器，因此，本篇論文主要深入探討主動式學習法與漸進式學習法，研究問題著重於標識不均衡資料集合(imbalanced datasets)，以及有效率地建置分類器。主要想法是辨識有用(informative)資料後，再給與標識並用來訓練分類器。我們的主動式學習方法設計為在決定標識資料時，並不會被不均衡資料分佈的問題所影響，因為我們的方法只採用特定與目標有關的資料(非所有觀察資料)決定標識與否。除此之外，我們的漸進式學習方法設計理念為辨識有用(informative)資料並用以有效地修正分類器，這些資料可以是分類器預測錯誤的或是預測結果信心指數(confidence)過低的。在這漸進式學習法的問題設定下，初始階段裡，因為批次資料累積不足，造成分類器準確率過低，對此，我們量身為每一個目標資料建立分類器，只採用與目標有關的資料建立分類器，以提高分類預測準確率。在實驗環境設定裡，我們的方法與比較對象皆會在自製資料集合、UCI資料集合、與中正大學資料集合上執行，透過實驗結果的觀察與理論分析，呈現出我們的方法確實能有效處理實際應用面所遇到的標識問題與分類器更新問題。
- 學位論文
近年智慧型運輸系統(Intelligent Transportation System,ITS)的蓬勃發展，自動車(Autonomous Guided Vehicle, AGV)的開發更為矚目，隨著行車安全議題受到重視，車輛的主被動式安全輔助已成為車用電子領域重要的研究議題，全球每年的交通事故居高不下，交通意外多為疲勞駕駛或車輛操作不當，故本研究提出多重特徵車輛防碰撞方法設計，達到碰撞預防。 Viola & Jones [22]提出具有分層偵測器(Cascade detector)概念的Adaboost演算法，近年廣泛運用於物件偵測，訓練輸入使用車輛影像，當基於Adaboost訓練的正負樣本數量龐大與車輛偵測準確度到達訓練瓶頸時，如何再使偵測的誤報情況減少且提升偵測的預測率(Precision rate)與準確率(Accuracy)為本研究重點。 隨著影像處理技術蓬勃發展和低成本攝影機的推陳出新，車輛配備皆包含各類影像紀錄器，本研究提出一個使用單鏡頭影像處理的多重特徵車輛防碰撞方法設計，此設計核心演算法基於Adaboost結合Haar特徵再加入多重車輛特徵，包含了陰影特徵、邊緣紋理特徵、尾燈特徵、道路特徵，其目的為提升車輛偵測預測率(Precision rate)與準確度(Accuracy)，降低車輛偵測誤報情形，本研究技術包含四個階段: 影像前處理(Pre-Processing)、車道偵測(Lane Detect Processing)、車輛偵測(Vehicle Detection)、車距警示(Vehicle Distance Warning Processing)，影像前處理經由縮小感興趣區域，降低Adaboost偵測的運算量提升效能，車輛偵測第一階段Adaboost偵測車輛候選區，第二階段多重車輛特徵濾除Adaboost錯誤偵測候選區，多重特徵僅在候選區內運算，具有低運算量與低誤判的優勢，最後針對車道偵測定義出主車道，估計出主車道前車車輛距離，智能的多段碰撞預防警示，達到車輛碰撞預防。
- 學位論文
伴隨著多媒體的迅速發展，多媒體影像豐富了人們的生活，所扮演的角色也越來越為重要，時常被用來做為許多爭議或違法的重要參考證據，然而，影像存有被竄改的疑慮，將會大幅影響影像的可信度。在這篇論文中，我們提出了一個具竄改偵測能力的H.264編解碼系統，H.264是現今最廣為使用具高壓縮率與高畫質的視訊壓縮標準，我們利用H.264視訊編碼規則中取得量化後的DCT係數做為資料浮水印，並在影像框與影像框間建立關係將資料依序嵌入，這樣的資料藏匿機制增加在H.264視訊編碼器中，在影像壓縮流程後，可以得到高壓縮率，同時亦能得到保護。經由本篇提出方法所壓縮出的影片符合標準H.264視訊編碼規定，且在影像品質損失小，可被一般支援H.264視訊編碼播放器接受。此影像串流經由本研究提出之具竄改偵測之H.264視訊解碼器，可以檢測影像之原始性，並在影像被竄改的情況下，指出被竄改位置。此技術可被應用在監視系統、行車紀錄器等維護權利做為證據等產品，以提升其資料可信度。 中文關鍵詞：竄改偵測、半破碎浮水印、H.264
- 學位論文
在此論文中，我們針對全數位全矽晶片震盪器，探討了混合了製程、電壓以及溫度的同時變化下，穩定一單一輸出頻率所會面臨到的各種問題及挑戰。本論文所提出的架構，當晶片運作的時候，可以自動地估計當時的工作電壓及溫度，並透過校正的方式將製程的漂移給消除，透過這樣的方法，使得此震盪器可在不同的製程、電壓以及溫度的變化下，仍然可以作為系統中一個穩定的頻率參考時脈。 論文中包含各種傳統的矽晶片震盪器介紹，並且針對各種架構中的優缺點加以分析，其中，傳統的架構大多為類比，需要客製化設計，且無法同時抵抗製程、電壓以及溫度的同時變化。 本論文中的全數位全矽晶片震盪器，利用多個環形震盪器的週期比值建立相對參考模型，我們根據相對參考模型去建立了1.使用多點校正的自動估計電壓以及溫度範圍的全數位全矽晶片震盪器2.使用四點校正的自動估計電壓以及溫度範圍的全數位全矽晶片震盪器。 在這篇論文中，我們提出了一個新的全數位全矽晶片震盪器，採用90奈米製程技術實現。 該研究可在1.0伏特的電壓下工作，非常適用應用於低成本以及低功率消耗的系統單晶片上。
- 學位論文
對於資訊來源而言，使用限制類別查詢在已經分類好的目錄底下，是一種非常普遍的方法。它可以節省搜尋範圍而已可以增加效能。已經有越來越多的線上網站採用此方法，此方法困難在需要建立一個meta-search的系統，可以提供使用者只需要下一次的查詢就能把所有的網站資訊結果找回來並整合。 一個基本的問題是去建立一個像是meta-search的系統，從類別提供的資訊來源裡去對應所選擇的類別在一個網頁目錄底下做類別對應的動作。值得注意的是類別選擇查詢可以減少搜尋範圍且可以改善搜尋時間及結果。對於一個整合購物的搜尋系統網站來說，能夠快速且有效的回應是一個非常重要的事。 在另一部分中，衣服產品中含有許多的特徵，這是很難描述關鍵字，如質地，形狀，或關係對服飾的描述。基於這個問題，我們開發了一個基於圖像的視覺化服飾檢索系統，對服飾的影像提取和使用的特徵來找很難通過文字來形容，沒有文字解釋的衣服。 在這篇論文中，我們研究了分類網頁自動對應的問題，並對服飾檢索系統提供四種視覺化的搜索條件。我們把對應的問題轉換為一個搜尋的問題，且提供了一個有效的演算法來找到最佳的對應。我們的方法不僅可以使用在單層的網頁架構，也可以應用在多層的網頁目錄裡。為了評估我們的方法，我們從網站上搜集的很多的網頁。實驗結果顯示我們的方法是有效的，而已可以應用在整合限制類別的搜尋。在服飾檢索的實驗，我們的實驗圖像有1043張圖像，結果顯示我們方法是更利於挑選服飾產品。