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
眼球息肉狀脈絡膜血管病變 (Polypoidal Choroidal Vasculopathy, PCV)，是在亞洲地區造成失明常見的病因，因為這類新生血管較脆弱，容易破裂出血以及營養供應不良，易造成感光細胞的萎縮與死亡。目前醫生診斷病情最有效的方式，是利用 ICGA (IndoCyanine Green Angiography，眼底循血綠血管攝影)，從影像裡高螢光的區域中，再根據其他伴隨病症或是在空間 (低螢光光暈) 與時間 (前 5 分鐘急遽從暗變亮) 上的亮度變化，來精確診斷 PCV 的位置。 病例資料來源為 EVEREST 研究團隊 (EVEREST Study Group) 收集之研究資料，收集自 5 個不同國家 (香港、台灣、韓國、泰國和新加坡) 亞裔患者的治療資料。 每個病歷資料總共會拍攝 5 個時間點的照片，但因醫師觀察拍攝的 ICGA 序列影像，找出病變區域的過程相當耗時，以及拍攝的時間差和病患眼球會自然晃動的緣故，造成拍攝出的影像都不會對齊在相同的座標系統，這也增加診斷的困難度，所以我們提出一個能快速辨識的系統，期望幫助醫師能更快速的診斷病情。 整個系統輸入 ICGA 影像序列，其大致執行流程為： 1. 影像套合。 2. 抽取影像特徵。 3. 訓練分類器。 4. 分類測試。最後醫師就可用我們系統產生的機率圖與嚴重程度圖來評估病變區域。而我們的系統相當有效率，花在訓練的時間花費不到 9.5 分鐘，而在實際應用時所需抽取特徵與辨識的時間不到 3 秒鐘。對於使用到的 59 組病例，平均辨識出 PCV 的平衡準確度達 90% 以上。
- 學位論文
傳統的網路應用有越來越多可以透過Web來使用,像是影音網站(Youtube)提供使用者線上收看影片,或是Google提供的地圖搜尋服務、檔案傳送(Google drive)等服務。由於Web上提供的服務越來越複雜,如何對Web流量進行分類及其流量監控問題也變得相當重要。 由於不同網站提供的服務中,使用者送出的要求平均長度、伺服器回應的封包長度有所不同。在本篇論文中我們以統計特徵的方式計算使用者與伺服器之間傳遞的資料大小關係,在應用層的角度取出特徵,而非透過統計個別封包大小。對於網站提供的不同服務像是搜尋、下載、及時操作等,每個服務分別建立特徵值, 然後以machine learning方式來驗證其準確度,最後以該網站提供的服務種類為分類依據,包含了提供影音、地圖、文件編輯、遊戲服務之網站。我們以人工的方式在3種不同瀏覽器上活動並蒐集流量,分別為Chrome、Firefox、IE,並對於每個動作的流量取特徵值並透過weka驗證是否能夠有效分類。最後實驗結果在每個分類器在不同功能中有0.895以上的true positive rate以及0.03以下的false positive rate,另外討論了Google document不同檔案大小下作文件編輯是否會有影響,以及不同使用者間是否能有效分類。最後結果可以看到我們所使用的特徵值可以有效分類不同應用之流量。
- 學位論文
最近幾年， Drive-by-download 攻擊的惡意網頁越來越流行。Drive-by-download 是指透過破解瀏覽器，在一般使用者的裝置裡植入惡意程式的攻擊手法。當使用者瀏覽到含有 drive-by-download 惡意內容的網頁，內涵的惡意指令就會破解瀏覽器或者 plugin 的漏洞，並且感染受害者的裝置。而為了偵測 drive-by-download，過去也已經有許多研究被提出。有一些研究是使用靜態分析網頁，來判斷網站是否包含惡意內容。另一類則是使用動態分析，實際執行網頁內的script，並依照行為特徵來判斷是否帶有 drive-by-download 內容。前者分析速度較快，但準確較差；後者較準確，但速度較慢。因而也有研究提出第三種分類，使用靜態分析作為filter過濾掉大部分不可能帶有惡意內容的網頁，在透過動態分析對可疑的頁面進行偵測。此種方式能夠大幅提昇就有動態分析的速度，並且又可保有準確性。但是，即使如此依然不足以應付即時性的應用(e.g. proxy)。 因此我們提出了新的加速方法，特別針對靜態分析部分進行加速。我們透過階層式架構，以及捨棄過慢的 features來加速分析，並且達到了很好的效果。我們的方法可以將速度提升到 0.01526 s/page，並且又保持 2.18% 的False Negative。 而我們最終將我們的系統實裝到 proxy 上，讓包含行動裝置在內的各種裝置都能夠輕易地使用我們的服務。
- 學位論文
為了方便Cadabia的用戶們來查看以及操作他們自己的Cadabia資料庫，我們在Web介面上創造了一個應用程式作為我們的客戶端，這麼一來，當使用者有需要時，便只要開啟瀏覽器便可對自己的資料庫來做一個即時性的查看及修改，不用像傳統的應用程式必須先進行下載以及安裝才能使用。為了方便性以及美觀，我們採用了Dhtmlx作為我們的GUI，它是一個JavaScript的GUI函式庫。而在與伺服器端上的溝通，我們採用了AJAX的技術，如此一來，可以大量的降低傳輸的資料量，只需傳遞必要的資料給伺服器，也免除了每執行一個動作網頁便要重讀的負擔。
- 學位論文
Cadabia是一個以Class Algebra[1]為基礎的資料庫系統，與傳統的關聯式資料庫系統不同，Cadabia具備了物件導向的特性，以及ontology的概念。為了能使Cadabia更廣泛的被使用，在這篇論文中，我們在android上實作了一個友善的使用者介面，以及為其他的android應用程式提供存取cadabia的方法，讓使用者能在android上更輕鬆且更有彈性的開發以Cadabia為基礎的應用程式。
- 學位論文
因為製程進步的因素，在網路晶片裡串音干擾和較高的動態功率消耗是兩個 越來越需要被注意的設計考量。因為網路晶片使用了相當多的傳輸線路來進行平 行溝通，因此串音干擾和動態功率消耗的問題也更為嚴重。使用資料編碼器可以 降低在傳輸線路上的電位轉換次數，因而消除了一些會造成串音干擾和較高動態 功率消耗的資料傳輸組合。然而，這些資料編碼器卻通常無法隨著程式的需求， 系統的特性，以及使用者的喜好在動態執行過程中被客製化。再者，目前系統的 一個趨勢就是在於可以支援更多且不同的程式執行。如果一個系統需要支援的程 式所需的運算能力超過目前系統所能提供的，那麼這個系統在市場的存活時間通 常就會被縮短。為了適應廣泛的處理需求包含可靠度，低功率，以及功能上的彈 性，我們提出了一個創新且具備彈性的架構，也就是支援低功率及可靠度編碼策 略的動態重組網路晶片。我們所提出的動態重組網路晶片支援各式動態硬體重 組，包含處理單元，路由器，以及資料編碼器的動態重組。為了管理處理單元的 動態重組，我們定義了一組相對應的程式介面來支援我們的動態重組網路晶片架 構。在路由器的動態重組方面，我們提出了一個用來避免封包遺失的動態重組流 程和相關的電路設計。而為了符合可靠度及低功率需求，我們提出一個創新的推 論及學習的策略來達到智慧型的資料編碼器選擇。在這個推論及學習的策略裡我 們是利用類神經網路根據資料編碼器的特性來加以歸類並選擇。透過權衡在可靠 度和低功率的需求上，以及編碼器本身所帶來的效能及硬體資源上的負擔，來加 以選擇適合的編碼器以符合動態需求。為了做概念上的驗證，我們在Xilinx 的 Virtex-4 現場可程式邏輯門陣列平台裝置上，實做了一個具備3×3 拓樸的動 態重組網路晶片雛型。和一般的網路晶片相比，該動態重組網路晶片節省了8.2% 的硬體資源。而和一般使用單一固定編碼器的網路晶片相比，我們所提出的動態重 組網路晶片在訊號干擾程度，程式，以及系統層級上的考量下，在平均的優勢對 比於負擔的比例評估下，呈現了75.8%，44.0%，以及186.8%比例上的改進。從 我們的實驗中顯示，在同樣比例的效能及硬體資源負擔下，我們所提出的動態重 組網路晶片有更高的機率可以降低串音干擾和動態功率消耗。從以上的實驗中也 說明了，為了能在動態時支援不同的處理需求，一個具備動態硬體重組能力的網 路晶片架構是我們所需要的。
- 學位論文
物件偵測在電腦視覺的領域中一直是一個很重要的議題。在許多應用中，快速且準確地偵測是非常重要的。可變形部件模型(deformable part model)近年來在PASCAL VOC detection challenge的比賽獲得極佳的成效。而對所有的滑動視窗(sliding window)計算分數是可變形部件模型計算上最大的瓶頸。儘管Felzenszwalb等人提出了串聯式的可變形部件模型(cascaded DPM)能夠快速偵測物件，但是計算花費的時間仍然因為檢驗所有的滑動視窗而過多。 本篇論文提出了基於多階段粒子視窗(multistage particle window)利用串聯式可變形部件模型的快速物件偵測。我們將偵測分成數個回合，每個回合我們都會基於上個回合的測量密度函數(measurement density function)取樣出若干個粒子視窗(particle window)。接著用串聯式可變形部件模型計算每個粒子視窗的分數，並且利用這些分數產生新的測量密度函數。測量密度函數代表了目標物體可能在哪裡出現的機率。本篇論文提出了三項改進多階段粒子視窗的方法，希望能夠更進一步的加速偵測流程。透過這樣的架構，我們可以避免計算所有的滑動視窗，取而代之的是計算物體較有可能出現的粒子視窗以達到加速的目的。在影片中偵測路上行車的應用裡，我們更採用了追蹤技術(粒子濾波器)來加速整個偵測流程。 在實驗中我們針對提出的方法計算準確度和執行速度。對於PASCAL VOC challenge 2007的測試資料，我們提出的方法比傳統的可變形部件模型快了34.5倍。
- 學位論文
影像美感評估是近幾年非常熱門的研究議題，之前相關的研究指出影像對比、顯著的特徵(saliency features)、和物體在影像中的位置會交互影響一張影像看起來的美學觀感。然而之前的研究沒有探討到影像所顯示的大小如何影響美學觀感，因此我們探討影像顯示大小與影像美學觀感兩者之間的關係。 本論文中，我們探討影像的解析度(pixels)和實際大小(physical dimension)如何影響影像的美感。我們利用群眾外包(crowdsourcing)技術蒐集到100張影像，及其分別顯示成不同大小的美學分數，並且證實了影像顯示大小的確會對美學觀感造成複雜的影響。整體來說愈大張的影像有比較好的美學觀感，但是一張影像看起來是否好看還是取決於它的內容。我們取出與內容和配置有關的特徵(content and compositional features)，並利用偏最小平方差迴歸(PLSR)建立分數模型(scoring model)和排名模型(ranking model)預估影像的美學分數和相對的排名。我們藉由分析每個特徵在預估美學分數的效能和訓練出的權重來發現那些特徵對於評估影像美學觀感比較有效。我們討論許多議題，例如不同種類影像各自的效能、使用多少比例的資料去訓練如何影響系統的預估效能、和關於影像是否有最佳的顯示大小等。本論文提出當我們要評估一張影像的美學觀感時，我們必須將影像的內容以及影像所顯示的大小考慮進去，希望本篇論文能夠為之後關於影像美學觀感方面的研究提出一些啟發。
- 學位論文
雲端運算技術的興起，提供無限量的運算能力與儲存空間的環境，為多媒體分析與檢索的研究帶來新契機。然而使用者的隱私，例如搜尋的意圖，可能會洩漏給伺服器，也有可能會被外來的公司或個人惡意利用。本論文提出一個隱私保護的多媒體分析架構，基於被廣泛利用的二元圖配對(bipartite graph matching)，讓多媒體分析與檢索的技術能夠在加密域(encryption domain)下運作。本論文重點在於讓伺服器不知道使用者想要搜尋什麼，並希望能完善地利用伺服器的強大運算能力來幫忙使用者搜尋。為了完成二元圖的建構與配對，我們整合同態加密法(homomorphic encryption)與溝通機制，來處理在加密域下的權重計算與匈牙利演算法(Hungarian algorithm)。除此之外，我們利用亂碼電路(garbled circuit)讓二元圖配對演算法的運算更有效率。我們基於隱私保護的架構實作影片標註(video tag suggestion)與複製影片偵測(video copy detection)兩個應用，以及利用實驗結果證明在加密域下與在明文域下的效能並駕齊驅。 從不同的觀點來看，我們提出一個利用標籤分群的階層式架構，縮減挑選標籤的數量來降低運算時間。我們也提出新的互動式隱私保護機制，讓伺服器利用使用者回饋的資訊來改善系統效能。由於二元圖配對的普遍性，我們提出的架構能被認可並可利用於各種能保護隱私的多媒體檢索應用上。