資訊工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60

本系前身「資訊教育學系」成立於民國七十四年，首先招收大學部學生，民國九十年成立資訊工程研究所碩士班，而後於民國九十五年進行系、所調整合併為「資訊工程學系」；並於九十六年成立博士班。本系目前每年約招收大學部四十餘人，碩士班六十餘人，博士班約五人，截至民國一百零四年十一月止，總計現有大學部一百九十多人，碩士班一百二十多人，博士班二十三人，合計學生人數約為三百三十多位。

News

系所網址：http://w1.csie.ntnu.edu.tw/

Browse

Filters

2010 - 20112

Settings

Has files: NoSubject: search.filters.subject.機率模型

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    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。
  • No Thumbnail Available
    Item
    以前景物動態機率模型為基礎之嬰兒危險程度評估系統
    (2010) 蕭宛甄
    根據衛生署統計資料顯示，意外傷害是造成新生兒死亡的主要原因之一。意外傷害包含新生兒摔傷、被外物砸傷、被外物遮蔽口鼻窒息等。因此本論文希望開發一套視覺式的新生兒監控系統，可以即時的通知照顧者減少事故傷害的發生。 本論文主要分成三個部分：建立前景物顏色模型、嬰兒偵測、危險程度分析。監控攝影機架設於嬰兒床的正上方，系統讀入連續時間的新生兒動作影像後，先建立前景物顏色模型(FC model)。FC model建立時分別統計前景物的顏色及整張影像中所有的顏色，之後可作為嬰兒偵測時的依據。接著根據FC model，使用貝氏定理以顏色為特徵計算前景物的機率，另外根據MHI(motion history image)，以motion為特徵計算前景物的機率。最後顏色機率與motion機率結合，得到整合後的前景物機率完成嬰兒偵測。之後擷取出幾種代表性的特徵，代入函式得到個別的危險程度並依照新生兒月份做調整，最後整合所有特徵得到最終的危險程度值。本論文將危險程度分成五個等級，若超過系統設定的安全範圍則發出警告通知照顧者。