學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
4 results
Search Results
Item 以少量資料進行人臉驗證之研究(2020) 許景皓; Hsu, Ching-Hao生物辨識中,原先是由執法單位用於辨認身分,而人臉辨識中的人臉驗證是最不與主體接出且最能秘密進行,一旦取得人臉即能分析並進行認證,此模式已逐漸應用各個場域之中。 以往的人臉驗證研究,訓練模型通常使用大量的訓練資料建立模型,在進行人臉驗證之研究及評估,雖然大量訓練資料有助於穩定及提升人臉驗證辨識率,但較少人著墨於使用少量人臉能判斷人臉驗證之效期,因此本研究探討使用少量人臉資料建立模型並進行人臉驗證研究。 本研究使用少量的人臉,並從人臉照片中取得人臉特徵進行訓練模型,並透過支持向量機(Support Vector Machine,SVM)分別於每個人訓練模型,透過建立人臉模型以進行人臉驗證之方式,提高人臉驗證的表現。 透過本研究所使用支持向量機於不同的訓練資料下建立模型,並以 10 張人臉照片建立支持向量機模型,於人臉驗證中能維持二十一週 80%的辨識率。Item 基於二階層式支持向量機之即時注視區域分析(2014) 陳美琪; Mei Chi, Chen眼動追蹤過去經常被使用在學術研究方面，近年來由於技術的進步眼動追蹤也被應用在醫療以及交通方面，抑或是應用於駕駛或課堂學生專注度的分析等。然而，過去相關的研究技術許多會利用侵入性的紅外線設備照射眼睛，或是利用較為昂貴的眼動儀輔助，雖然可提高注視點分析辨識率及準確度，但卻忽略了對人體可能的潛在傷害或是無法為大眾輕易取得的缺點。 本研究提出一個使用筆記型電腦內建之低解析度的網路攝影機即時偵測眼睛與注視點分析方法，實現以低成本且可輕易取得之設備達到正確偵測眼睛與注視點分析的目的。本研究主要方法分成兩大部分，首先利用Adaboost的人臉及人眼偵測獲得眼睛影像，接著加入光線濾波，利用眼睛區域平均灰階值過濾過強的光線，並且記錄使用者的眼睛特徵資訊（包含眼睛開合高度、上眼瞼斜率以及瞳孔位置）；其次記錄使用者於不同注視區塊的眼睛資訊，透過本論文提出之二階層式支持向量機（2-Layer Support Vector Machine），建構使用者相對於當下環境的注視點模型，藉由比對測試資料及模型資訊以達到注視區塊的決策。 注視區塊決策準確度在注視輔助點固定的狀況下平均可達84%，比使用單一層支持向量機之準確度高出9.4%，而在注視輔助點是隨機出現的情況下平均約為80%。Item 以支持向量機為基礎之問卷填答識別研究(2012) 簡培修; Pei Hsiu Chien在現今電腦網路蓬勃發展的世代，部分的紙本問卷已轉成線上問卷，方便快速統計結果，然而仍然有許多電腦與網路不便使用的場合，例如：餐廳用餐、商店購物、銀行存提款、參加產品發表會或研討會、或是到政府機關洽公等，在這些場景中，通常不方便提供電腦及網路供問卷填寫，若要在第一時間取得意見回饋，紙本型式的問卷還是最直接且最便利的管道。而一般問卷設計，為了讓填答者方便填寫，以及快速統計填答結果，大部分會以選擇題方式呈現，不論是學術研究領域或是商業軟體，對這一類型問題的處理方式仍以計算填答區域中的可視點數量，作為是否有被標記之主要依據，然而雜訊問題以及填答者填答方式的多樣性（勾選、畫叉、塗滿等），經常讓這些計算可視點數的方法無法正確辨識選項是否被標記。 本論文提出一套完整的問卷處理流程，從空白的問卷自動擷取填答區域，並依照題目順序加以群組，輔助問卷設計者建立填答區域的model檔案；然後以支持向量機方法結合輔助判定規則，進行標記自動辨識，利用機器學習的途徑解決雜訊的問題，提高辨識正確率；同時嘗試利用「填答者意圖」的理念，嘗試解決填答者塗改答案的問題，而在實驗部份，以兩個真實的問卷應用驗證系統效能，另外，擴展系統功能為大學新生智慧財產權測驗進行評分。實驗結果顯示，SVM對於選項是否被標記的正確率達到99%以上；另一方面，以問題為基礎的正確率也達98%以上。最後本論文亦提出混合型支持向量機的作法來處理非一般性的選項符號，經實驗的結果顯示，將混合型支持向量機應用在上述的問卷與試卷，其正確率也都可達95%以上，表示混合型的SVM可應用於對正確率要求不是那麼高的問卷。Item 應用可讀性預測於中小學國語文教科書及優良課外讀物分類之研究(2016) 劉憶年; Liu, Yi-Nian可讀性（Readability）是指閱讀材料能夠被讀者理解的程度。可讀性高的文章較容易被讀者理解。文章的可讀性與很多因素有關，如：文長、字詞難度、句法結構、內容是否符合讀者的先備知識等，然而表淺的語言特徵無法反映這些複雜的成分。本論文以先前的研究為基礎，更深入的探討不同種類的特徵，包括句法分析（Syntactic Analysis）、詞性標記（Part-of-Speech, POS）、詞表示法（Word Embedding）、語意資訊（Semantic Information）與寫作程度（Well-written）等特徵，分析比對不同類型的特徵與可讀性高低的關聯性。實驗資料分為二部分：其一為中小學國語文教科書，選自98年度台灣三大出版社所出版的1~9年級（共18冊）審定版國中小國語文教科書；其二為優良課外讀物，選自文化部歷屆「中小學生優良課外讀物」獲選書籍。本論文嘗試透過逐步迴歸與支持向量機等兩種方式建立可讀性模型，比較兩者之效能優劣；最後，再將兩者加以結合，以提升預測之正確率。實驗結果顯示，本論文所提出的可讀性特徵相較於傳統所使用的表淺特徵，在文本難易度評估的任務中，能有顯著的效能提升。