• 學位論文

植基於供給量及其價格的多單位拍賣問題機制設計

我們知道在傳統的多單位拍賣論文中多半是在討論拍賣者有多少個貨品要賣給投標人. 在本篇論文中,我們反向探討買家有多少個貨品要從賣家那收購, 每一個賣家都有一個private value,代表每一個貨品最低要賣多少錢和unit limit,代表最多有多少個貨品可以賣. 我們提出一個機制收購所有的貨品,這個機制分成兩個部分實作,分別是:decision rule跟pricing rule. Decision rule部分是根據賣家的 private value跟unit limit來決定哪些賣家可以優先被收購貨品, pricing rule部分是決定要向那些賣家收購多少個貨品和用多少錢來收購每一個貨品. 在我們的設計機制當中,會滿足兩個公平性質:Truthfulness and Near Pareto optimality. 我們實驗評估的部分, 我們的演算法會跟Greedy algorithm做比較, 證明為何我們所設計的演算法可以有效的防止賣家說謊他們本身的private value跟unit limit從中獲得利益.

• 學位論文

基於相似性計算之頭肩偵測與應用於復健系統之動作測量

本篇論文提出使用相似性計算所得到之權重樣板來比對相似的動作,以及偵 測正面行人的頭肩區域,其主要的想法為這兩個系統皆能以相似性為基礎的演算 法來達成不錯的效果。在頭肩偵測系統裡面有兩個程序。第一個程序為人臉偵測, 使用人臉偵測來找出影像中人臉的區域,並在該區域抓取梯度直方圖 (Histogram ofOrientedGradients,簡稱HOG) 特徵後,進入第二個程序。第二個程序為相似 性為基礎的權重計算,該方法提供一個簡單且穩定的方式來過濾掉影像的雜訊。 實驗結果使用少量的訓練影像並且擁有比 HOG 還要優越的效果。動作測量系統 則是比對兩個不同的動作,並使用相似性導向的動態時間扭曲(Dynamic time warping,簡稱 DTW ) 來比對兩個不同的動作。其實驗結果則是與傳統 DTW 進 行比較,且得到更好的效果。

• 學位論文

提升學習能力的選題管理系統

我們提出的選題管理系統,用以增進教師進行試卷題目的篩選。我們系統規範了教材的樹狀結構，由於前後節點的關係，可以清楚地使教師安排測驗的歷程以及了解學生的學習成效。 　　不同以往的試卷題庫，僅對於題目以每單元的每一小節做細分。我們將題庫內的試題細分到每一小節內所涵蓋的每一個能力指標。這有助於教師安排試卷時，能夠清楚地依照每一樣能力指標的重要性來分配試卷的題目以及配分。學生可以下載教師所分配的試卷來作為課餘練習,並且在完成試卷時,系統將會回饋使用者不精熟的能力指標,讓學生加強該類型的問題。使用者亦能夠利用活動樹的子節點來明確的知道學生的學習歷程是否已擁有學習新單元的先備知識。 　　這套選題系統涵蓋了題型命題、試卷練習、能力指標練習、題庫檢視與匯入。外部的環境可以透過Web-API來與系統連結，能在不同的環境下新增或取得題庫資源。這有利於擴增現今各教學平台的發展與應用，使教師能在更多的試題資源下逕行教學而學生能在更豐富的教學資源下學習。

• 學位論文

行動裝置之多人媒體回饋系統建置及應用

行動裝置的時代已經到來，不論是手機、平板電腦、PDA或者電子閱讀器日益成為人們生活的必需品。愈來愈多的學校在課堂上以攜帶方便性和易用性的電子設備作為一種新的學習策略帶來學習優勢。行動學習(Mobile Learning)提供學生與教師更多元的學習方式。 Android是一個開放原始碼的行動裝置系統，它是現今行動裝置市佔率最高的系統。我們透過開發Android的APP並且與合作學習(Cooperative Learning)作結合來給予學生們在課堂不同的學習環境，並且利用簡單的拼圖競賽演示合作學習的應用。學生利用手機鏡頭的即時畫面與收錄操作手機的過程並且透過串流伺服器撥放，將競賽的過程完整呈現在串流牆上，所有學生都能一同閱覽。學生們將學習如何與他人合作，競爭的樂趣和享受並且自主學習，教師也能夠過即時觀察學生的學習問題與狀況，增進教學品質及提升學生之學習樂趣。

• 學位論文

語音協作學習之環境建置及應用

隨著網路普及以及網路穩定度的提升，即時語音通訊也日漸普遍，使得教學模式越來越多元化。而在教學的過程中，學生經常會無法發現自己錯誤的地方，也就是所謂的「盲點」。而教師若能及時的協助學生找到他的盲點，對於學生學習的成效必定能夠大幅提升。對於語言的學習，基礎從發音開始，到能流利的與人溝通對談，甚至是語調的起伏都是相當的重要。學生在學習的過程中，即便經過教師反覆的提醒，也不見得能夠即時反應自己的問題點。但若是能夠即時將學生的聲音記錄下來並予以回饋，讓學生除了透過教師口述，也能重複的聆聽自己的聲音，更能幫助學生快速的更正自己的問題。 Phonics是現今英語發音教學方式的主流，透過自然發音讓英語初學者可以透過字母去念出一個單字，所以發音是相當重要的。溝通式教學法也是希望學生學習外語除了能閱讀能撰寫，更要能夠與人溝通，透過讓學生練習對談，才能夠讓學生敢說，並說出一口流利的英文。綜合上述所說，我們希望可以創建一個回饋系統，幫助老師回饋教學內容以及意見給學生，幫助學生可以更有效率的學習。

• 學位論文

以視覺 -言語認知類型為導向探討線上數位內容對於閱讀動機之影響

資訊與通訊科技的進步，除了提供豐富的資訊內容外更讓資訊的取得不受時間空間的限制。也同時影響了「數位世代」或「數位移民」在閱讀行為上的改變。線上閱讀逐漸成為在閱讀紙本書籍外的另一種獲取知識的方式。雖然線上閱讀的受歡迎程度刺激了數位內容的成長，但是這些數位內容具備的片段性結構往往限制了閱讀能力的發展，尤其在閱讀理解力方面。因此，線上數位內容之呈現方式對於閱讀行為的影響成為本研究的一項探索重點。 既然多媒體是一種網際網路上傳遞訊影像與聲音的方式，把閱讀內容以多媒體方式呈現將可以促進線上閱讀的發展。但是，就個別差異的觀點，學習者使用視覺導向或言語導向來處理資訊的偏好方式，仍需要深入的探索。因此本研究設計了三個實驗來比較閱讀動機與視覺-言語等認知風格的差異性。實驗一利用影音式及網頁式的書籍介紹來比較閱讀動機上的差異。實驗二應用「翻轉教室」概念設計線上學習單元，其所提供課程錄影內容主要以英文來呈現基本微積分概念，課堂活動則以促進基本微積分英文單字記憶為主。本實驗探討視覺-言語等風格之學習者在觀看課程錄影後反映在閱讀讀機上的差異。實驗三透過線上鷹架的導引模式來訓練選取文章中之關鍵字及主要概念，並探索不同認知風格與閱讀動機之差異。本研究的主要目的在於探討數位內容形式呈現模式對於閱讀動機之影響並尋求符合個別差異來提升閱讀動機的方法。

• 學位論文

基於觀看者的臉部表情擷取視訊醒目片段

影片的醒目片段是一幕幕令我們感到印象深刻的畫面。我們通常會對刺激的、娛樂性高的或者是有趣的影片片段比較有印象，舉例來說:我們把射門的場景當成是足球比賽影片中的醒目片段。在之前的相關研究中，大部分的論文會用影片的內容來擷取影片中醒目片段。然而，由於這些方法沒有考慮觀賞者的反應，造成影片醒目片段的擷取結果可能和觀賞者真實的情緒反應不完全相符，因此，為了解決這個問題，我們提出一個基於觀看者的情緒狀態來擷取視訊醒目片段的系統。這個方法包含幾個階段:影片的蒐集，前處理和影片醒目片段的擷取。在我們論文中，我們著重於影片醒目片段的擷取，我們計算觀賞者表情的強度和正規化使用者情緒反應的分布曲線來取得醒目片段。我們的方法可以處理單人及多人的模式。在單人模式中，我們可以取得每個人對影片的喜好部分。我們把方法擴增到多人模式來降低因為每個人對不同種類的影片有個別偏好。

• 學位論文

開發由建築物相片集中辨識特定樓房之技術

近年來，愈來愈多網站像是『雅虎』、『台妮艾』提供圖像搜尋的功能。藉由這些圖像搜尋引擎的幫助，人們可以上傳照片加以比對並找到含有相同或類似物件的照片，因此使用者可以了解他們所上傳的照片內的東西為何。如果上傳的照片專一於建築物照片，那麼我們即可以利用這項技術發展導覽系統提供給使用者們。然而，如何準確搜尋建築物照片是一個挑戰，由於光線的變化、多變的視角和不同的紋理材質都會影響到照片的品質和搜尋結果。 在這篇研究中，我們發展出一套專門搜尋樓房及地標建築之圖像搜尋引擎。輸入一張解晰度為1024x768的彩色建築物照片，我們的系統會自動比對存於資料庫的照片並回傳含有相同建築物之照片。我們的方法分成三個步驟分別利用色彩特徵、梯度直方圖及尺度不變特徵轉換以解決光線的變化、多變的視角和不同的紋理材質的問題。為了改善系統效能，我們利用樹狀資料結構及字串比對方法加速。經過實驗後，我們的系統在含有五千張照片的清況下達到95%的正確率。

• 學位論文

叢集圖編修問題的固定參數演算法

叢集圖編修問題是資訊科學的一個重要問题。一般來說，此問題可理解為給定了一個點之間連線代表相似物件的圖，要求把相似物件分群。在理論研究中，此問題被建構為用最少的編修把輸入的圖編修成叢集圖。由於此問題的應用廣泛，最少編修的定義有許多不同的建構方式。在本論文中，我們展示了一些解決各種叢集圖編修問題的參數化演算法。 二分群問題一般來說是要求把圖分成兩群，群內的點之間沒邊的數量及群之間的邊數要越小越好。針對最常用的目標函數：最小總和、最小平方和、以及最大值最小，我們設計了數個演算法來解決這些最佳化問題。 至於p分群問題則要求把圖分成p個叢集，我們發展了一些方法利用額外的參數p來得到更好的結果。在p分群問題上，我們也研究了刪除點的版本並設計了有效率的多參數演算法。

• 學位論文

以成對序列轉換之長片段改善基因體組裝

近年來,高速定序的技術已被廣泛使用在許多物種上的基因體組裝。最 初,這些由高速定序技術產生的小片段,會被組裝成較長的連續片段 (contig),接著,這些長度不一的連續片段則會再進一步地由成對序列(mate- pair reads)將其組成更長的片段稱之為橋接序列。然而,在使用成對序列進行 組裝時,會因為連續片段太破碎,或成對序列中的嵌合體(chimeric reads)而 造成橋接序列的結果變差。在這篇論文中,為了克服成對序列本身的問題,我 們將成對序列轉換成長片段。首先,成對序列會被對映到連續片段的圖上,接 著我們將在圖上找出兩個端點之間的路徑,並將該路徑轉成長片段。我們使用 三組細菌驗證長片段之正確性,以及呈現使用長片段進行橋接與成對序列進行 橋接之結果差別。