學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Filters

2013 - 20142

Settings

Has files: YesSubject: search.filters.subject.Support Vector Regression

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    基於多核學習之球鞋喜愛度預測方法
    (2014) 楊少廷
    在此研究中，我們藉由多個不同類型的資訊來描述球鞋產品，以達到預測消費者對於球鞋喜愛度之目的。透過使用Sole Collector球鞋網站上所提供之資料建置了1913雙球鞋之資料庫，資料包含了球鞋圖片、名稱、及價錢等，並利用其當作訓練集與測試集。對於球鞋產品，本工作做了不同面向的描述，擷取多種特徵，並利用機器學習中的多核學習(Multiple Kernel Learning, MKL)方法結合多個適合各自特徵空間的前計算核(Pre-computed Kernel)，藉由這些前計算核的線性組合訓練出球鞋喜愛度分數預測模型，透過新球鞋之特徵資訊當作輸入，輸出球鞋受消費者喜愛度的預測分數。實驗部分則提供了多核學習與支持向量回歸(Support Vector Regression, SVR)兩方法比較，結果顯示相同核數下，使用後期融合方法(MKL)較前期融合方法(SVR)在預測球鞋喜愛度問題上，有較佳的關聯性。而使用前計算核廣泛上擁有較徑向基函數核(Radial basis function kernel)更好的表現。
  • No Thumbnail Available
    Item
    智慧電網中以戶為單位之用電特徵分析
    (2013) 郭千瑜
    智慧電網及智慧型電表建置在全球快速發展，在台灣已有特定地區裝設智慧型電網，透過智慧型電表蒐集用戶電表量測資料。消費者的用電習慣各有不同，而影響消費者的用電習慣有許多因素，本研究將會針對溫度、樓層等因素作用電量分析，使消費者不但可以瞭解自身的用電習慣，並加以調整，以減少電費支出，還可節省電能消耗。除了電量分析外，預測用電量也可幫助電力業者適時調整發電量，改善浪費電力能源之現象。本研究使用三種用電預測方法，分別為回看法(ε-LookBack-N)、差分整合自回歸移動平均模型(Autoregressive Integrated Moving Average Model)和支持向量回歸(Support Vector Regression)，我們將評估其適用性與準確度，並透過用電戶的用電特徵分群，進一步結合環境變因，研究用電戶用電度數的預測模型，並利用既有量測資料進行驗證。其預測模型可以幫助電力業者作用電預測，適時調整發電量，有效率的配送電能，以達到節能省碳之目的。