關之英. / 書名據複本提要. / 複本為複印手稿本. / Thesis (M.A.)--香港中文大學硏究院語文學部. / Shu ming ju fu ben ti yao. / Fu ben wei fu yin shou gao ben. / Includes bibliographical references (leaves 613-626). / Guan Zhiying. / Thesis (M.A.)--Xianggang Zhong wen da xue yan jiu yuan yu wen xue bu. / 前言 --- p.1-5 / Chapter 上編 --- 趙樹理的生平興創作理論 / Chapter 第一章 --- 趙樹理的生平 / Chapter 1.1 --- 形家 --- p.6 / Chapter 1.2 --- 生平簡介 --- p.7-33 / Chapter 1.3 --- 趙樹理的為人 --- p.33-50 / Chapter 第二章 --- 創作理論 / Chapter 2.1 --- 寫作對家 --- p.51-54 / Chapter 2.2 --- 寫作目的 --- p.54-92 / Chapter 2.3 --- 寫作準備 --- p.92-70 / Chapter 2.4 --- 寫作方法 --- p.70-89 / 小結 --- p.90-92 / Chapter 下篇 --- 小說部分 / Chapter 第一章 --- 《小二黑結婚》 / Chapter 1.1 --- 取材 --- p.110-113 / Chapter 1.2 --- 內容 --- p.114-117 / Chapter 1.3 --- 主題 --- p.117-120 / Chapter 1.4 --- 寫作技巧 --- p.120-145 / Chapter 1.5 --- 小評 --- p.145-149 / Chapter 第二章 --- 《李有才板話》 / Chapter 2.1 --- 寫作動機 --- p.150 / Chapter 2.2 --- 內容 --- p.150-153 / Chapter 2.3 --- 主題 --- p.153-155 / Chapter 2.4 --- 寫作技巧 --- p.156-198 / Chapter 2.5 --- 小評 --- p.198-203 / Chapter 第三章 --- 《李家莊的變遷》 / Chapter 3.1 --- 寫作目的 --- p.215 / Chapter 3.2 --- 背景 --- p.215-217 / Chapter 3.3 --- 取材 --- p.217-219 / Chapter 3.4 --- 內容 --- p.219-224 / Chapter 3.5 --- 主題 --- p.224-226 / Chapter 3.6 --- 寫作技巧 --- p.227-255 / Chapter 3.7 --- 小評 --- p.255-260 / Chapter 第四章 --- 《三里灣》 / Chapter 4.1 --- 背景 --- p.267-269 / Chapter 4.2 --- 寫作準備 --- p.269-270 / Chapter 4.3 --- 寫作動機 --- p.271-275 / Chapter 4.4 --- 內容 --- p.275-285 / Chapter 4.5 --- 主題 --- p.285-291 / Chapter 4.6 --- 寫作技巧 --- p.292-375 / Chapter 4.7 --- 小評 --- p.377-390 / Chapter 第五章 --- 短篇小說 / Chapter 5.1 --- 引言 --- p.403-404 / Chapter 5.2 --- 一九四九年以前的故事 --- p.404-423 / Chapter 5.3 --- 一九四九年以後的故事 --- p.423-443 / Chapter 5.4 --- 寫作技巧 --- p.443-501 / Chapter 5.5 --- 小評 --- p.501-510 / Chapter 第六章 --- 總論 / Chapter 6.1 --- 內容方面 --- p.523-535 / Chapter 6.2 --- 寫作技巧方面 --- p.535-546 / Chapter 6.3 --- 人物方面 --- p.547-555 / Chapter 6.4 --- 語言方面 --- p.555-562 / Chapter 6.5 --- 風格方面 --- p.562-574 / Chapter 6.6 --- 總結 --- p.574-577 / Chapter 附錄 --- 趙樹理小說創作年表 --- p.578-603 / 參考書目 --- p.613-626 / 注釋： / Chapter (I)´ؤ´ؤ --- 包括前言、上編第一、二章及小結 --- p.93-109 / Chapter (II)´ؤ´ؤ --- 包括下編第一、二章 --- p.204-214 / Chapter (III)´ؤ´ؤ --- 包括下編第三章 --- p.261-266 / Chapter (IV)´ؤ´ؤ --- 包括下編第四章 --- p.391-402 / Chapter (V)´ؤ´ؤ --- 包括下編第五章 --- p.511-522 / Chapter (VI)´ؤ´ؤ --- 包括下編第六章及附錄 --- p.605-612

無

大部分多資產連動衍生性商品可視為是多資產選擇權和其他金融工具的結合，所以在評價上也都可以分別為兩部分來作評價，其中主要以多資產選擇權部分的評價為理論重點。本文乃針對多資產選擇權部分的評價來作探討。雖然歐式多資產選擇權現今都已可求出公式解，但是美式多資產選擇權目前仍然缺乏一個兼具精確與效率的評價方法。目前處理美式多資產商品的評價普遍是以二元樹方法來作評價，但是當資產數超過兩資產時，以二元樹方法來作評價時方法複雜，並且會有較大誤差，需要以增加分割期數來作改善。 本文乃在單資產多元樹模型(Liao and Wang,2001)的基礎下發展多資產商品評價模型。本篇論文對單資產多元樹評價模型加以延伸擴展，而建立多資產選擇權評價模型，希望能夠將多資產間相關性納入評價模型中，以此發展出比二元樹模型更簡易、更精確、更有效率的評價方法。 多資產選擇權多元樹評價模型在效率性方面以及準確性方面的確有著良好的表現。在效率性方面，以雙資產多元樹評價方法來計算美式雙資產商品所花的時間約只需很短的時間，所以具有相當高的效率性。而在準確性方面，在期數與分支數些微的增加下，準確性就可以有大幅的提升，與理論價格的差距都縮小至小數點後3位以上，而其中尤以期數的增加對誤差縮小最有效。雙資產多元樹模型使得在評價雙資產商品的技術上能夠有大幅的提升。此外，多資產多元樹評價方法有相當良好擴充性的優點，而且容易理解，從兩資產多元樹的建立可以很容易地擴充至多資產多元樹的建立。

隨著知識經濟時代的來臨，掌握知識可幫助組織提昇其競爭力，因此對於知識的產生、儲存、應用和整合，已成為熱烈討論的議題，本研究針對知識整合議題進行探討；而在知識呈現方式中，決策樹（Decision Tree）形式知識為樹狀結構，可以用圖形化的方式來呈現，它的結構簡單且易於瞭解，本研究針對決策樹形式知識來探討其知識整合的課題。 本研究首先提出一個合併選擇決策樹方法MODT（Merging Optional Decision Tree），主要是在原始決策樹結構中增加一個選擇連結（Option Link），來結合具有相同祖先（Ancestor）的兩個子樹；而結合方式是以兩兩合併的方式，由上而下比對兩棵決策樹的節點（Node），利用接枝（Grafting）技術來結合兩棵樹的知識。再者利用強態法則（Strong Pattern Rule）概念來提昇合併樹的預測能力。 其次，由於MODT方法在合併兩棵不同根節點的決策樹時，會形成環狀連結的情形而破壞了原有的樹形結構，以及新增的選擇連結會增加儲存空間且不易維護，因此本研究提出決策樹合併修剪方法DTBMPA（Decision-Tree-Based Merging-Pruning Approach）方法，來改善MODT方法的問題，並且增加修剪程序來簡化合併樹。此方法包括三個主要程序：決策樹合併、合併樹修剪和決策樹驗證。其做法是先將兩棵原始樹經由合併程序結合成一棵合併樹，再透過修剪程序產生修剪樹，最後由驗證程序來評估修剪樹的準確度。本研究提出的DTBMPA方法藉由合併程序來擴大樹的知識，再利用修剪程序來取得更精簡的合併樹。 本研究利用實際信用卡客戶的信用資料來進行驗證。在MODT方法的實驗上，合併樹的準確度同時大於或等於兩棵原始樹的比例為79.5%；並且針對兩者的準確度進行統計檢定，我們發現合併樹的準確度是有顯著大於原始樹。而在DTBMPA方法的實驗中，合併樹的準確度優於原始一棵樹的比率有90%，而修剪樹的準確度大於或等於合併樹的比率有80%。在統計檢定中，合併樹和修剪樹的準確度優於一棵樹的準確度達顯著差異。且修剪樹的節點數較合併樹的節點數平均減少約15%。綜合上述，本研究所提之MODT方法和DTBMPA方法皆能使得合併樹的準確度優於一棵樹的準確度，而其中DTBMPA方法可以取得更精簡的合併樹。 此外，就決策樹形式知識整合的應用而言，本研究提出一個決策樹形式知識發掘預測系統架構，其主要的目在於提供一個Web-Based的知識發掘預測系統，以輔助企業進行知識學習、知識儲存、知識整合、知識流通和知識應用等知識管理的功能。期能藉由使用這套系統來發掘企業內部隱含的重要知識，並運用此發掘的知識進行分類和預測工作。它包含三個主要子系統，即知識學習子系統、合併決策樹子系統和線上預測子系統，其中合併決策樹子系統就是應用本研究所提出之決策樹形式知識整合方法來進行知識整合處理。 有關後續研究方面，可針對下列議題進行研究： 一、就決策樹形式知識整合架構中，探討決策樹形式知識清理單元，即前置處理部份的功能設計，期能讓合併樹結合有一定質量的決策樹形式知識。 二、就綜合多個預測值部份，可加入模糊邏輯理論，處理判定結果值之灰色地帶，以提昇合併樹的預測準確度。 三、就決策樹本身而言，可進一步探討結合選取多個屬性來進行往下分群的決策樹。針對分類性屬性的分支數目不同或可能值不同時的合併處理方法；以及數值性屬性選取不同的分割點時的合併處理方法。 四、探討分類性屬性的分支數目不同或可能值不同時之合併處理方法，以及數值性屬性選取不同的分割點時之合併處理方法。 五、對於合併樹的修剪方法，可考量利用額外修剪例子集來進行修剪的處理方法，並比較不同修剪法之修剪效果及準確度評估。 六、探討多次合併修剪後的決策樹之重整課題，期能藉由調整樹形結構來提昇其使用時的運作效率，且期能讓合併樹順應環境變化而進行其知識調整，並進一步觀察合併樹的樹形結構之變化情形。 七、就實際應用而言，可與廠商合作來建置決策樹形式知識發掘預測系統，配合該廠商的產業特性及業務需求來設計此系統，並導入此系統於企業內部的營運，期能藉此累積該企業的知識且輔助管理者決策的制定。 / In the knowledge economy era, mastering knowledge can improve organization competitive abilities. Therefore, knowledge creation, retention, application, and integration are becoming the hottest themes for discussion nowadays. Our research focuses on the discussion of knowledge integration and related subjects. Decision trees are one of the most common methods of knowledge representation. They show knowledge structure in a tree-shaped graph. Decision trees are simple and easily understood; thus we focus on decision-tree-based knowledge in connection with the theme of knowledge integration. First, this research proposes a method called MODT (Merging Optional Decision Tree), which merges two knowledge trees at once and adds an optional link to merge nodes which have the same ancestor. In MODT, we compare the corresponding nodes of two trees using the top-down traversal method. When their nodes are the same, we recount the number of samples and recalculate the degree of purity. When their nodes are not the same, we add the node of the second tree and its descendants to the first tree by the grafting technique. This yields a completely merged decision tree. The Strong Pattern Rule is used to strengthen the forecast accuracy during the merged decision trees. Secondly, when we use the MODT method to merge two trees which have different roots, the merged tree has cyclic link in the root. It makes the merged tree not a tree structure, so we propose another approach called DTBMPA (Decision-Tree-Based Merging-Pruning Approach) to solve this problem. There are three steps in this approach. In the merging step, the first step, two primitive decision trees are merged as a merged tree to enlarge the knowledge of primitive trees. In the pruning step, the second step, the merged tree from the first step is pruned as a pruned tree to cut off the bias branches of the merged tree. In the validating step, the last step, the performance of the pruned tree from the second step is validated. We took real credit card user data as our sample data. In the MODT experiments, the merged trees showed a 79.5% chance of being equal or more accurate than the primitive trees. This research result supports our proposition that the merged decision tree method could achieve a better outcome with regard to knowledge integration and accumulation. In the DTBMPA simulation experiments, the percentage accuracy for the merged tree will have 90% of chance that is greater than or equal to the accuracy for those primitive trees, and the percentage accuracy for the pruned tree will have 80% of chance that is greater than or equal to the accuracy for merged tree. And we also find that the average number of nodes of the pruned tree will have 15% less than that of the merged tree. Eventually, our MODT and DTBMPA methods can improve the accuracy of the merged tree, and the DTBMPA method can produced smaller merged tree. Finally, in respect to the application of the Decision-Tree-Based Knowledge Integration, this research proposes an on-line Decision-Tree-Based knowledge discovery and predictive system architecture. It can aid businesses to discover their knowledge, store their knowledge, integrate their knowledge, and apply their knowledge to make decisions. It contains three components, including knowledge learning system, decision-tree merging system, and on-line predictive system. And we use the DTBMPA method to design the decision-tree merging system. Future directions of research are as follows. 1.Discussing the Decision-Tree preprocessing process in our Decision-Tree-Based Knowledge Integration Architecture. 2.Using the fuzzy theory to improve the accuracy of the merged tree when combining multiple predictions. 3.Discussing the merge of the complicated decision trees which are model trees, linear decision trees, oblique decision trees, regression trees, or fuzzy trees. 4.Discussing the process to merge two trees which have different possible values of non-numeric attributes or have different cut points of numeric attributes. 5.Comparing the performance of other pruning methods with ours. 6.Discussing the reconstruction of the merged trees after merging many new trees, discussing the adaptation of the merged trees to the changing environment, and observation of the evolution of the merged trees which are produced in different time stamp 7.Implementation of the on-line Decision-Tree-Based knowledge discovery in a real business environment.

農林水産研究情報センターで作成したPDFファイルを使用している。

京都大学 / 新制・課程博士 / 博士(工学) / 甲第23387号 / 工博第4879号 / 新制||工||1763(附属図書館) / 京都大学大学院工学研究科社会基盤工学専攻 / (主査)教授 杉浦 邦征, 教授 八木 知己, 准教授 北根 安雄 / 学位規則第4条第1項該当 / Doctor of Philosophy (Engineering) / Kyoto University / DFAM

在現今車載傳輸安全資訊中最重要的兩個評估效能參數 -- Latency和reliability，要兼顧到這兩個的效能在現今不可靠的無線連接中是很困難的工作。這主要的挑戰是來自於在網路連接層的廣播，使用了不可靠的傳輸，例如:當某點接受到一個訊息時並不會傳輸一個反饋的信息給來源端通知它已接受到此信息。在現今有許多的方法是利用多於的點去增加接受的可靠性，但這將會增加網路頻寬的負載。 在我們的論文中我們提出了一個新的傳輸安全資訊的方法，使用少數relay去完成快速的安全資訊傳輸，並且在相同時間內去保持高效能傳輸的可靠性。在這我們介紹了兩個relay的型式同時地去減少end-to-end 傳輸延遲時間和增加傳輸範圍可靠性。地理樹狀演算法是由樹演算法而來的，它可以減少不必要的relay和傳輸資訊碰撞的發生，而802.11p則是用在優先權比較高的點擁有比較小的重新傳輸延遲時間。 / Vehicular environments impose a set of new requirements on today’s wireless communication systems. Latency and reliability are very important means to disseminate safety information like time-sensitive emergency messages (EMs) in Vehicular Ad hoc Networks (VANETs). Providing low-latency, high-coverage and scalable multi-hop EM broadcast is a hard task in VANET with unreliable links. The major challenge comes from the fact that the link-layer broadcast uses unreliable transmissions, i.e., no positive feedback to acknowledge the reception of the message. Many existing works have used redundant relay nodes to enhance the reliability of broadcast packet reception. However they often involve more relays than it is necessary, which increases the network load and undermines the scalability of the protocol. Moreover, large latency is often incurred due to coarse protocol design. In this thesis, we propose a new EM broadcast scheme that uses a small number of relays to achieve fast multi-hop EM propagation, at the same time to maintain a high level of transmission reliability. Two types of relays are introduced to reduce latency and to enhance reliability simultaneously, so that low-latency, the desired reliability level and small overhead can be achieved at the same time. The inverse tree algorithm (ITA) is based on tree algorithm, the mechanism to select single relay distributive, which features an effective redundant relay suppressing mechanism and very small rebroadcast delay for high priority nodes. Simulation study shows that ITA and multi-channel achieves close to 100% reliability, while using a small number of relays with very low broadcast latency under a wide range of road traffic conditions.

近年來，由於房價過於飆升及物價上揚等因素影響，致使一般上班族對於購屋的機會及可能性也相對降低。然而，房價的漲跌因素甚多，大致可歸納為外部因素及內部因素，其中外部因素有區域、地段、交通等；外部因素有經濟景氣與否、國際原物料價格起伏。若根據國際慣例，房價所得比介於3至6倍的區間，是比較合理的現象，若高於此一區間時，則可能會判斷該城市的房價有飆高的情形，如此對於該城市的居民來說，可能是一項痛苦指數的來源。 有鑑於此，本研究欲以地區的建案所提供的房地產來客對於建案總價款預算及房型坪數的認知進行探討，並且透過統計分析，據以瞭解探討房地產來客對於房價與房型坪數的看法，藉以提供房地產公司在未來的建案設計上，能較符合消費者的構想，為消費者量身打造一個房價總價款可以接受及地區或居住空間。其研究結果顯示： 1.看房來客職業、居住區、用途分別以上班族、台北市及換屋置產為多。 2.不同性別、自備款及用途之來客傾向擁有不同之總價款預算。 3.不同自備款及用途之來客傾向希望不同之坪數 4.影響總價款預算是否高於2,500萬之較重要變數為希望房數、介紹樓層及自備款。 5.影響希望坪數是否高於30坪之較重要變數有介紹樓層及希望房數兩項。

京都大学 / 0048 / 新制・課程博士 / 博士(生命科学) / 甲第19147号 / 生博第330号 / 新制||生||44(附属図書館) / 32098 / 京都大学大学院生命科学研究科高次生命科学専攻 / (主査)教授 稲葉 ｶﾖ, 教授 米原 伸, 教授 杉田 昌彦 / 学位規則第4条第1項該当 / Doctor of Philosophy in Life Sciences / Kyoto University / DFAM

傳統上，對於選擇權的評價模型，大抵可分為封閉解與數值分析兩大類。封閉解計算的速度快，但卻十分缺乏彈性，譬如無法求得美式解，相反的數值分析相當具有彈性，評價時卻比較耗時，譬如障礙選擇權。本文針對上面的問題，提出一個以數值分析中的樹狀模型為基礎，輔以封閉解來維持應有的彈性，並提高計算的速度，我們將此方法稱之為分解結合法。 由於樹狀模型用來評價重設型選擇權必須考慮消除重設界限所導致的非線性誤差，在本文中，主要是以Boyle and Lau(1994)的二元樹模型及Ritchken(1995)的三元樹模型作為主要的架構，搭配分解結合法來針對重設型選擇權進行研究。就本文分析的結果顯示，利用分解結合法不但能夠提高計算的速度，同時對於某些條件下的選擇權，還能夠減少其評價的波動度，效果相當的顯著。 本文主要針對單點單價式與整段時間單價式的重設型選擇權，推導適用分解結合法的方法。以此兩種基本的重設型選擇權為基礎，我們將相同的概念推廣至其他更複雜的重設型選擇權上。此外在選取結合的方式上，我們也可以充分利用已經推導出的重設型選擇權封閉解，應用在更複雜的重設條件上，無形中，增加了封閉解的應用彈性，也減少了樹狀模型的評價時間，所以具有一舉兩得的效果。此外，本文也針對分解結合法的評價速度，作一完整的比較。並在最後，本文也針對分解結合法下避險比率的計算以及重設型選擇權避險所特有的現象：Delta Jump、Negative Delta，這兩種情形發生的原因及可能的影響與因應之道進行分析。