學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
5 results
Search Results
Item 行動遠距醫療-以路易斯湖高山症評估量表為例(2012) 李韋德; Wei-Te Lee遠距醫療(Telemedicine)並不是一個新的概念，但傳統遠距醫療在機動性上有很大的缺點。近年來智慧型手機的發展蓬勃，在軟硬體上規格也不斷的進步，所以帶來另一種以行動裝置為平台，行動通訊為媒介的服務模式，稱為行動醫療(Mobile Health, mhealth);而這樣的模式能與多種技術和電子儀器做結合應用，其背後帶來的市場效應和學術貢獻不可小覷。 本論文以遠距醫療系統的架構，運用在高山症。藉由手機的軟硬體資源開發出一套行動專家系統，提供急性高山症(Acute Mountain Sickness，AMS)、高海拔腦水腫(High Altitude Cerebral Edema，HACE)和高海拔肺水腫(High Altitude Pulmonary Edema)的自我評估量表。 在系統的病態評估上，除了考慮到高山環境可能沒有網路通訊，加入了支援向量機(Support Vector Machine , SVM)，即使在離線模式下，還是能預測結果，同時也考量到使用者對於高山症的基本用藥常識不足，利用了近場通訊技術(Near Filed Communication，NFC)來幫助使用者辨識藥物和得知藥物資訊，進而達到行動式的隨身看護。Item 專有詞彙相關解釋句自動分類組織技術之研究(2011) 林倚禛; Yi-Jhen Lin本論文針對專有詞彙相關解釋句自動分類組織之技術進行研究。當使用者輸入一個欲查詢之專有詞彙，本論文方法以指定之PDF電子書做為知識來源，先以語句檢索系統搜尋出與該專有詞彙相關的句子，再擷取這些相關解釋句的句型樣式作為分類特徵，並提出兩種方法將解釋句分類成概述(Overview)、詳細描述(Detail Description)、及用途(Usage)三種類別。第一種方法為以語言模型為基礎的貝式分類法，除了採用bigram模型表示句型樣式中相鄰兩字詞的語意關聯，並採用比重加總法線性合併bigram和unigram模型建立機率式分類模型。第二種方法則以專有詞彙在句型樣式中前後固定範圍內出現的字詞以及相鄰兩字詞作為分類特徵，建立支持向量機(Support Vector Machine, SVM)分類器進行句子分類。實驗結果顯示，在控制的測試資料集當中，比較貝氏分類器及SVM分類器兩者的整體正確率，以SVM的分類效果較佳；而貝氏分類器則較能適性地應變訓練資料量的多寡，當訓練資料減少，貝氏分類器在整體正確率幾乎沒有下降。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 夜晚機車前方車輛減速偵測系統(2016) 莊士賢; Jhuang, Shih-Sian視覺式駕駛安全輔助系統相關技術在距今約二十多年前開始被重視與開發，透過攝影機以視覺式的方式分析車輛前方道路的狀況來輔助駕駛者。其中針對汽車之視覺式駕駛安全輔助系統近年來已逐漸完善，反觀機車之視覺式駕駛安全輔助系統並未被重視。機車以及汽車數量逐年提高，而每年機車上升的數量較汽車多了約五萬。上述情況最終導致汽車交通肇事率逐年降低，而機車交通肇事率逐年上升的問題。 前方車輛偵測技術於白天場景已逐漸成熟，但是較少研究者針對夜晚場景進行開發與研究。透過近年來夜晚前方車輛偵測技術文獻可知，許多研究會藉由車尾燈偵測之相關技術，確認車輛位置。因此本研究將利用車尾燈偵測確認車輛位置，而由於本研究需進行前方車輛減速偵測，故本研究將針對車尾燈區域之剎車燈啟動與否判斷前方車輛是否減速。 由於機車有轉彎的情況，因此本研究將進行Region of Interest (ROI) 範圍調整。當車輛遇紅色交通號誌停止移動時，因不會與前方車輛發生交通事故，所以不需進行車尾燈偵測以及剎車燈啟動偵測，故本研究需偵測前方車輛是否移動。由於近年來車輛之車尾燈並不一定為傳統圓形形狀之車尾燈，還有不規則形狀之車尾燈以及長條形狀之車尾燈，因此本研究將針對車尾燈周圍環繞光源的特性進行車尾燈偵測。本研究於剎車燈啟動偵測中將利用其亮度以及門檻值判斷是否啟動，而此門檻值為動態形式，將根據車尾燈至攝影機之距離的不同決定其門檻值。由於某些剎車燈啟動時其亮度值低於本研究決定之門檻值以及某些剎車燈未啟動時其亮度值高於本研究決定之門檻值，將導致剎車燈啟動偵測失敗。因此本研究將針對此類車尾燈個別調整其門檻值，以提高剎車燈啟動偵測之正確率。 最後實驗的部分，本研究針對晴天、雨天以及隧道三種場景以及數種道路種類進行實驗。實驗結果呈現出，本研究在不考慮地面紅色反光時車尾燈偵測結果皆能產生較高的正確率，而地面紅色反光期望於未來能進行過濾，以提升車尾燈偵測正確率。本研究於剎車燈啟動偵測中若不考慮雨天時因雨滴滴落鏡頭上的情況，則剎車燈啟動偵測之正確率約略為90%。Item 基於特徵選取之通用影像分類器(2015) 余晟麟; Yu, Cheng-Lin傳統上建立一個分類系統,需要很複雜的程序,包含搜集訓練資料、特徵 擷取、辨識模式訓練及準確率分析等等。一般而言建立的分類系統只能針對特 定主題的影像資訊來做辨識,原因在於指定影像主題能夠利用該主題的特色資 訊做訓練,可使辨識系統達到良好的準確率。在過去的研究中,主要針對特定 主題提出影像分類的方法,本研究有別於一般性的影像分類研究在於不需指定 影像主題,就能建立一個影像辨識系統。 在實際的應用上,訓練資料蒐集不易,能提供訓練的樣本資料不多,本研 究對於辨識系統的設計為藉由少量的訓練樣本,擷取大量與不同種類的特徵, 使得辨識系統盡可能擁有足以表達各種不同影像主題的能力,並且使用 SVM 結 合 F-score 特徵選取的方法於影像分類領域中,從大量特徵中挑選一組滿足分類 任務所需要的通用特徵集合,以實現通用分類器,提供一個不需侷限影像主題 的分類應用。