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
LTE (Long Term Evolution)是一種創新的行動通訊存取網路並且是目前行動通訊網路的趨勢，LTE提供了各種即時和非即時的服務給使用者，以及可以提供大範圍、高速的資料傳輸速率。LTE/EPC (Long Term Evolution/ Evolved Packet Core) converged network是近年來被提出來的一種佈署架構，主要是將Serving Gateway(SGW)和PDN Gateway(PGW)的功能合併成單一節點，可以減少佈署及維護的成本。 SDN技術的做法是把網路元件中處理control signaling和data forwarding的功能分離，把處理control signaling功能做成application，再透過SDN controller控制負責data forwarding的實體網路元件，可以增加網路資料傳輸效率。 OpenFlow protocol是目前SDN最常被使用的網路協定，我們將SDN套用在converged network並且提出OpenFlow-based Mobile Network(OFMN)架構。 在OFMN 架構，SGW和PGW合併成單一節點稱作S/PGW．S/PGW control plane（S/PGW-C）和MME被作為application放置控制器之上，我們把一些S/PGW-C和 MME的共享資料放置在SDN controller上，增強SDN controller的功能並且將此控制器命名為Mobile Controller，因此減少了application和Mobile Controller之間訊息交換數量。目前OpenFlow protocol不支援GTP (GPRS Tunneling Protocol)，我們改變routing方式並且採用MPLS (Multi-Protocol Label Switching) 替代GTP。 我們評估了OFMN架構的control signaling load以及將其與3GPP架構、partial SDN-enabled架構和Full SDN-enabled架構做比較。我們也採用queuing model計算這四個架構的total processing delay time，從我們運算的結果得知，OFMN對signaling load影響不大，並且在網路運行中，OFMN的total processing delay time比其他架構來的少。
- 學位論文
在此篇論文中，著重在兩個工作，第一個工作是先將五軸學習控制 演算法的實作和優化效能。我們參考了Matlab程式，必且實作用C++去實 作他，再透過除去多餘的運算、使用OpenMP來平行化程式和編譯器的優 化來提升程式的效能。在單次學習下，提升了7.6倍的效能。 第二個工作則是將實做出來的五軸學習控制程式整合到一個開放原始 碼的電腦數值控制軟體：LinuxCNC。本團隊在LinuxCNC上開發一個新 的GUI，來協助ILC與LinuxCNC整合。 我們將整合完成的程式放到一架真實的五軸工具機台上操作並測量數 據，從實驗的結果可以發現，五軸學習控制程式能夠在數次學習後，減少 加工上產生的實際輪廓誤差。
- 學位論文
利用成對序列(Mate Pair)來改善基因體組裝(Genome Assembly)之完整度已行之有年。雖然成對序列定序有著低價格優勢，其定序時品質並不穩定，且經常有汙染之情形。隨著第三代定序技術問世，其特有之長序列能有效地改善基因體組裝完整度。然而其缺點則是定序錯誤較多且價格高昂。因此本篇論文欲將成本相對較低的成對序列，利用計算方法轉變為長序列，以期能利用長序列的優點來改善基因體組裝。我們利用幾組真實測試資料來驗證我們方法的正確性與準確性。此外，我們也利用原始成對序列、由成對序列轉成的長序列，以及混合兩者分別對基因體組裝結果進行比較。
- 學位論文
- 學位論文
次世代定序技術提供更高的定序產量與更低的定序成本，可對基因體進行定序組裝工作，然而定序時所產出的序列會包含錯字(Mismatch)、插入及刪除(insertion and deletion)等定序錯誤，會影響後續基因體組裝的結果。而現有錯誤修正法多面臨正確性與速度之取捨。只有多重序列比對法，能針對各種插入與刪除錯誤進行修正，但相對需較冗長之執行時間。在本論文中，我們提出一個基於FM-index之新穎錯誤修正法，藉由快速比對一群高相似度且壓縮之序列來修正一目標序列。結果顯示我們的修正法在速度上較傳統的多重序列比對方法快，且跟一目前最快速之多重序列比對法，稱為部分順序圖(Partial-Order Graph)，有同等之速度。在長序列之測試資料，我們方法之正確性、修正程度、以及組裝完整度等皆比現有之方法來的更好。
- 學位論文
隨著網路使用者的增加以及使用習慣的改變，網路流量呈現爆炸性的成長。現今網路使用者可以透過網路收看高流量的多媒體影音資料，如何增加隨選視訊的使用者體驗品質就是個重要的議題。因此，網路內快取(in-network caching)的概念因應而生，網路內快取服務將資料儲存在快取伺服器中。同時，近年興起的軟體定義網路(Software Defined Network；SDN)可以藉由虛擬化的模式簡單的導入新的網路功能，程式開發人員可以使用軟體定義網路架構自行開發想要的服務。本篇論文提出擴充軟體定義網路快取服務架構(Extended SDN Cache service architecture；ESC)，將分辨封包、決定儲存、以及資料儲存的功能分散給三種元件處理，可以降低單一節點的負擔。我們新增一種擴充OpenFlow交換器(Extended OpenFlow Switch)，可代替SDN 控制器分辨收到的封包，進而降低控制器的負擔；並設計將影音檔案暫存在不同快取伺服器的儲存及傳遞機制，可增加快取服務的能力及可擴展性。本論文使用網路效能佇列分析(Queuing Delay Analysis)來分析並比較ESC、OpenCache、C-flow三個服務架構中使用者從發出請求到獲得影片檔案的延遲時間。得到的數據顯示ESC的作法的平均延遲時間較其他兩者的平均延遲時間低。
- 學位論文
在急診醫療之中，如何正確且快速的判斷病患的狀況並決定如何治療是現今很重要的一個議題。若急診室同時面對大量的病患就診且病患人數超過急診醫生的負荷，此時就需要快速的將病患按照危急程度來分類，以達到最有效率的治療。但是在緊急情況下，醫生所能得到病患的資訊相當有限，而且許多病徵都非常相似，所以即時判斷病患的嚴重程度是一件非常困難的事。因此本研究使用電子健康記錄及資料探勘的技術來建立分類模型，並以其幫助醫生快速診斷。我們使用的資料為嘉義基督教醫院急診室 2012 到 2013 年之間的看診資料，其中 15775 位胸痛病患裡包含了 338 位危急的胸痛病患。本研究著重在更有效率的建立分類模型以協助醫生分辨危急胸痛病患，因此我們提出基於集群快速特徵選取之優化演算法 (i-FAST)將不相關及多餘的特徵排除。我們將演算法分為兩部份：第一部份我們使用 ReliefF 演算法來移除不相關的特徵。第二部份使用三種不同的互資訊方法 (1)對稱不確定性、(2)信息增益及 (3)獲利比率計算每個特徵之間的關聯性後，再分別使用算出的關聯性分別建立最小生成樹，並利用切割樹的方式找出代表性的特徵。最後將篩選後的特徵使用資料探勘的技術來建立胸痛病患的分類器。
- 學位論文
地圖匹配是一個將一連串的地理座標(例如： GPS 軌跡)匹配到地圖上的演算法。由於GPS 座標的誤差以及取樣頻率的限制， GPS 裝置所擷取到的位置資訊並不精確，因此造成使用者的位置在地圖上有偏差。此外，地圖匹配對於許多的應用來說是一個重要的預處理步驟，例如導航系統、車流量分析和自動駕駛汽車皆須使用地圖匹配後的GPS 資料。然而目前大部份的地圖匹配演算法只考慮GPS 點和道路的距離、道路網的拓樸以及道路的速度限制來決定匹配的結果，此外亦不能正確得處理接近路口處的座標匹配。有鑑於此，本研究針對低取樣頻率的GPS 軌跡提出了一個基於時空資訊與行進方向之地圖匹配演算法(Spatio-temporal-direction based matching algorithm, STD-matching)。此演算法結合(1)空間資訊與道路網拓樸、(2)道路的速度限制以及(3)使用者即時移動方向資訊，以獲得更正確的地圖匹配結果。此外，此研究中我們也同時實作GPS 集群、GPS 平滑化以及A∗ 最短路徑演算法來縮短地圖匹配時間。在實驗中我們與其他兩篇研究進行比較，而實驗結果顯示出我們的演算法在精確度上有較優異的表現。