學位論文

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

Browse

Subject: search.filters.subject.Support Vector Regression

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    基於單應性轉換與支持向量回歸之注視預測研究
    (2021) 朱苓語; Chu, Ling-Yu
    視覺是人體接收外界資訊最重要的感官之一，扮演著獲取外界資訊的重要角色，近年來，科技技術的進步，透過視覺能達到人機互動，在教育、廣告、醫療、娛樂或遠距教學等領域也已經有不少應用。　　當前，眼動追蹤設備大多需要頭戴式裝置或是基於瞳孔中心角膜屈光 ( Pupil Center Corneal Reflection, PCCR ) 技術，此種裝置在使用規範上仍有不少限制，如系統不允許使用者頭部移動、環境中不可有其他干擾光源等，為了解決上述的問題，本論文提出基於機器學習方法預測使用者注視區域，並允許使用者在特定程度下自由移動頭部，且僅需使用筆記型電腦內建的攝影機擷取影像。　　在系統流程上，首先以單應性轉換矩陣 ( Homography Transformation Matrix, HT )計算使用者注視位置，當使用者頭部偏移時，會導致轉換矩陣預測注視位置偏移，為了實現頭部的自由移動，採用機器學習方法補償頭部位移量，最終預測注視位置為單應性矩陣計算值及支持向量回歸 ( Support Vector Regression, SVR ) 補償量之疊加。　　透過實驗結果，證明此演算法對於瞳孔中心偵測準確率達94%，在注視區域預測準確率達90%，深入探討不同頭部與鏡頭距離以及頭部移動幅度，對於該系統注視預測的影響，表明在特定頭部移動程度下，使用者輕微晃動或距離鏡頭30至40公分，將達到最佳的注視預測效果。
  • 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。