• 學位論文

無線行動監控系統之設計

數位監控軟體是近年來電腦科技逐漸成熟所發展出來的一套軟體，它的市場定位，由以往的大樓管理員、保全業者，而逐漸擴展至一般大眾的家庭。其軟體產品的功能也由一般的單純化、功能簡單，而逐漸發展成功能複雜、彈性大的產品。 本研究將利用主從式架構，讓手持式行動裝置除了接收及時影像、聲音外，還能動態取得主程式IP、調閱歷史資料、影像快轉、倒轉、接收偵測異常、操控主程式PTZ、擷取影像等。對於無線網路傳輸上之不穩定特性，也規劃自動偵測網路之機制，在網路中斷後，數秒內能夠自動復原，繼續傳輸影像以及聲音，以確保傳輸上之穩定性。

• 學位論文

資料倉儲資料載入清理與應用之研究-以高齡者生活品質智慧型維護系統為例

資料倉儲是現今企業普遍採行的一個技術。企業從組織內外收集各式各樣的資料儲存在資料倉儲中，提供決策者在做決策時所需要的資料。然而由於資料來自於異質性的資料來源，資料不免雜亂，甚至會有錯誤的資料。為了確保資料倉儲的品質，在這些資料存入資料倉儲以前，必須要有一個適當的資料格式轉換及資料清理動作。本研究以高齡者生活品質智慧型維護系統為例，說明如何將資料格式作轉換及資料清理等動作。除了一般資料庫限制，本研究透過專家意見輔以邏輯法則限制來確保資料的正確性。本系統透過架設於高齡者周圍之非察覺式監測器，可以遠端監測高齡者之活動力及生活環境。高齡者親屬可以使用瀏覽器，經由網際網路查詢高齡者之日常生活品質；另一方面，醫師或分析師可以透過本系統之OLAP介面查詢高齡者異常的地方。本系統同時將這些資料存入資料倉儲中，再利關聯法則分析，找出各感應器之間的相關性。

• 學位論文

多類支向機之研究

支向機(Support Vector Machines, SVM)原本用於處理二類別分類問題，但在許多應用領域所需處理的問題為多類別分類問題；因此如何將二類支向機之觀念，有效延伸為多類支向機是目前研究的重要課題。本文先針對五種常見的多類支向機方法簡略介紹，再提出一種新的多類支向機：one-against-half method，並以實際資料庫測試，比較此方法和其它多類支向機處理分類問題的效果。經實驗結果得知，one-against-half method亦為處理多類別分類問題時，可以選用的分類方法之一。

• 學位論文

代工業共同接單模式之探討

代工製造使台灣在全球高科技產業分工體系中佔有一席之地，但國內代工製造業長期受到國際買主之「下單、換廠」策略佈局影響：大量擴充廠房及機器設備致使產能過剩，形成完全買方市場，只能任由買方控制價格，而毫無議價籌碼。為避免這種現象持續發生，本論文提出「同業間成立策略聯盟，以單一窗口對外接單，再將訂單分配予聯盟成員」之運作模式。希望藉由聯合國內該產業主要業者合作，採用集中接單的方式，避免惡性低價競爭，增加與國際買主議價籌碼，進而提昇該產業在國際上的競爭力。因此，如何在這種運作架構下，提出合理、可行的訂單與利潤分配模式，實乃重要相關議題之一。 　　 　　本研究係針對已成立之同業策略聯盟，且其成員可生產多種已知產品，在透過單一窗口方式接得訂單後，提出訂單與利潤分配予各成員之建議。訂單分配模式主要依據各成員過去績效表現，決定未來一年應分得之營業額比率；再根據實際接單時各成員的產品價格、可用產能、產品品質等條件，決定訂單之分配。分配過程除了追求聯盟最大利潤，並儘可能達成訂單分配公平。此外，為追求分配機制的公平性，避免訂單分配結果未達原先承諾比率，造成成員損失：本研究於利潤分配階段，考量各成員本年績效表現、對聯盟利潤貢獻度、及接單率與既定分配公平性目標值之偏離率，決定各成員應得之回饋利潤。最後透過範例計算與分析，說明此共同接單模式在多種情況下，分配結果之合理性，及所能達成之效益。期望提出之運作模式，能為長久難以有效實現之同業策略聯盟機制提出可行運作之建議方案。

• 學位論文

分散式模糊關聯資料庫之模糊功能相依

模糊功能相依不僅是模糊正規化或不失真分解的依據，亦可輔助推估屬性中缺值的可能範圍值、找尋資料探勘中特徵屬性以及判斷實體化視域之切割屬性。由於模糊功能相依取決於模糊資料庫的資料內容，欲討論分散式模糊關聯資料庫之模糊功能相依，需先考量資料整合之問題。傳統關聯式資料庫的資料整合問題，已相被完整探討，然而模糊關聯資料庫的資料整合問題卻鮮少被觸及。本文首先探討模糊關聯資料庫的資料整合相較於傳統資料庫之困難點，並分析各模糊資料模式之異質性，針對每一個造成模糊關聯資料庫異質性之因素，提出資料整合方法。最後，對分散式資料庫提出關聯表之整合方式，以及快速搜尋模糊功能相依之方法。

• 學位論文

平行搜尋引擎於蛋白質交互作用文獻之應用

由於科技的快速發展，短短十年間，人類由數十個基因的解碼，到整個基因圖譜的逐漸完成，一步步邁向後基因世代，在此新的世代裡，人們所要追問的是DNA中資訊的涵義，及了解蛋白質間的交互作用，為此，掌握相關文獻，並從中獲取所需資訊即成為當前一重要目標，故本研究利用資訊檢索的技術，針對蛋白質交互作用的領域，在龐大的生物醫學文獻資料庫中擷取適當的資訊。 本研究透過統計、整理過去學者提出與蛋白質交互作用相關之識別字，設定一臨界值決定文獻探討主題是否為蛋白質交互作用，利用此再更進一步的以「關鍵頁」代理搜尋引擎的方式，搜尋相關文獻，配合研究中蒐集之蛋白質名稱表示上的特徵，對文章進行處理，且取出關鍵資訊，以此並搭配蛋白質名稱資料庫、蛋白質名稱縮寫等，擴大檢索範圍，並以乏晰理論進行文章相關度比對。 本研究除了以雛形系統落實研究架構外，並與web畫面配合應用，呈現予使用者進行使用及參考；另外本研究亦提出一分散式架構，使得代理搜尋引擎在處理檢索資料上不致有延遲產生，且有助於加快檢索速度。

• 學位論文

多標的汽機車車牌辨識系統之研究

關於車牌辨識系統的研究已經有一段時間了，但對於機車的辨識、多目標辨識與車輛顏色識別的研究卻不多見。有些國家使用機車的人數比汽車還多，因此機車的辨識也是相當重要。由於拍攝的照片裡，可能含有一部以上的車輛，因此必須一一辨識。拍攝環境如果是在室外，則環境背景會較為複雜，如樹木、招牌、交通號誌等物體都會造成車牌定位上的困難，因此必須克服背景複雜的問題。 本研究提出了具有適應環境背景複雜能力的汽機車車牌的辨識、多目標的辨識與汽車車輛顏色的識別。車牌辨識系統主要分為車牌定位、字元切割與字元辨識等三大部分。本研究使用了894張樣本進行實驗，結果在單目標的車牌定位率平均達97.65%，多目標的車牌定位率平均達96.59%，字元辨識率平均達98.02%，而車輛顏色識別率平均則達82.96%。

• 學位論文

圖書出版業電子化程度評估之研究

傳統的圖書出版業付予了文化的傳承，卻也因資訊與通訊技術的持續進步，從Amazon網路書店的成功開始，將圖書出版業帶進了e化的時代。圖書產業是否能夠運用資訊技術來改善產業現有的危機，快速因應大環境的轉變亦成為重要的話題。 本研究以Donald A. Marchand的SIA架構為基礎，以「降低成本之程度」、「企業控制風險能力之程度」、「增加企業價值之程度」、「創造新的營運模式之程度」四項資訊分享特性，作為探討企業電子化程度評估之構面，並了解企業電子化程度差異是否與企業電子化後之變革程度有所相關。實證結果本研究發現： 1.圖書出版業整體電子化程度以「企業控制風險能力之程度」為最高， 其次為「創造新的營運模式之程度」及「增加企業價值之程度」，最 需加強則為「降低成本之程度」。 2.企業電子化主要分為四種類型：面面俱到型、初露鋒芒型、觀望型、 保守型；而依企業於圖書出版業不同角色則有不同轉型步驟。 3.組織結構改變、資訊分享程度與「降低成本之程度」正相關性最高， 而營運成本部分與「降低成本之程度」負相關性最高。

• 學位論文

應用於USENET之Q&A系統之研究與設計

近年來網際網路已成為人與人間資訊交流的重要管道，如何針對網路上所充滿的資訊做知識管理已是不可忽視的重要議題之一。傳統的搜尋引擎受限於使用者所鍵入之關鍵字及缺乏知識分類，使用者需要從回傳的文件中一一找尋所需的答案。若是能夠在搜尋時能直接解析使用者的問題，並一併考慮到使用者所關心的領域，加入適當的知識架構以及適當的答案萃取機制，對使用者而言，就能不受限於所鍵入的關鍵字，使用者也無須精確指出所欲搜尋的文件領域，Q&A系統的研究領域也應運而生。 USENET 為一連結全世界新聞群組之邏輯網路，提供全世界使用者交流與討論的管道，其中充滿大量半結構化的Q&A文件。本研究藉由解析使用者的問句，利用以同義字為基礎之問句擴展機制，配合IT領域的知識分類ontology對文件分類搜尋，再加上答案萃取機制，實作出一應用於USENET之 Q&A系統，並提供不同檢視功能予使用者檢視與答案相關的資訊。 本研究之結果顯示以簡易的自然語言處理配合word overlap為主的scoring function將Q&A系統應用於Usenet文件是可行的，然而若希望能提升系統的效能則以本研究所使用之知識資源仍嫌不足。

• 學位論文

多尺度資料的二階段分群演算法

群集分析是一種資料探勘的技術，其目的在於發掘資料中可能潛藏的模式，輔助企業行銷與管理，進而提供企業決策。而大部份的分群演算法，將所有的分群資料欄（field）視為等重，忽視欄位間的相對重要性，加上大多的演算法利用『距離』代表群組的相似度，忽視欄位的尺度（scale），導致分析的結果常常過度簡單或難以解釋。 而在本研究中，嘗試利用專家的介入，將分群演算法分為兩階段，利用第一階段分群找出適當的參數提供第二階段的分群，進而增加分群的品質，並改進傳統K平均數（k-means algorithm）對於非數值資料的處理，提供了一個改進方式，保有原先資料的尺度進行資料分群。最後並利用四個測試資料(Wisconsin Breast Cancer Data , Contraceptive Method Choice Data , Iris Education Data and Balance Scale Weight & Distance Data)測試之結果發現，多尺度分群法不但合理的計算各種尺度資料，更在分群品質上有所提升，無論資料型態是數值型、非數值型或是混合型，多尺度的計算方式能分離出較大差異的群組，並且促使群組內的物件相似度提高，獲得較佳的分群品質，而專家加權的利用，顯示出多尺度分群法能夠提高物件的預測力與拉大群組中心的距離增加群組的差異度。