本研究以產業組織學派和資源基礎理論的觀點出發，並且加入了高階管理團隊理論，擬以這三項變數來探討對於企業績效所帶來的影響程度。 本研究以台灣上市公司為研究對象，以多元迴歸分析來探討上述三項變數和企業績效間的關係。對於企業績效的衡量，本研究採用ROA來衡量一個企業的績效表現。研究結果發現： 1. 產業成長率、產業研發密集度和企業績效呈現高度正相關，符合本研究理論預期。 2. 企業科技資源、財務資源對於企業績效有顯著正向的影響。但在企業行銷資源上，實證結果不支持本研究假設，和企業績效呈現負向關係。 3. 高階管理團隊特質如TMT成員間教育程度的異質性，和企業績效呈現顯著正相關，即成員間的教育背景愈不同，異質性愈高，所帶來的衝突會影響最適決策的選擇，達到最完善的策略決策，對企業績效產生正向的影響。

癌症高居國人十大死因之首，由於癌症初期病患接受適時治療的存活率較高，因此若能「早期發現，早期診斷，早期治療」則可降低死亡率。本研究主要針對「表面強化雷射解析電離飛行質譜技術」(Surface-Enhanced Laser Desorption / Ionization Time-of-Flight Mass Spectrometry，SELDI-TOF-MS)所蒐集而來的攝護腺癌症蛋白質質譜之事前處理資料進行分析。目的是希望藉由Meta-Learning的方式結合分類器，並以逐步特徵選取之，期望以較少且具代表的特徵變數將資料分類，以達到較高的正確率。本文利用正確率決定逐步特徵選取時變數加入的順序，並進一步以Elastic Net與判定係數作為特徵變數排序依據，以改善變數間共線性高的問題。並且考慮投票法(多數表決法與權重投票法)以及串聯法(cascading)：多個分類器串聯與單一分類器串聯。研究發現，以判定係數刪選特徵變數加入的先後順序並以支持向量機(Support Vector Machine，SVM)串聯的特徵選取結果在各分類下皆有良好表現，為較佳的特徵選取方式。 關鍵字：特徵選取、串聯法、蛋白質質譜、meta-learning、支持向量機

近年來電腦計算能力的進步使得3D虛擬環境得到廣泛的應用。本研究希望能在虛擬環境中結合人體動畫和音樂的特色，以人體動畫來詮釋音樂。我們希望能設計一個智慧型的人體動作產生器，賦予虛擬人物表達音樂特徵的能力，讓動作會因為“聽到”不同的音樂而有所不同。基於人類聽覺的短暫性，系統會自動抓取音樂特徵後將音樂切割成多個片段、對每一片段獨立規劃動作並產生動畫。過去動畫與音樂相關的研究中，許多生成的動作都經由修改或重組運動資料庫中的動作。本研究分析音樂和動作之間的關係，使用程序式動畫產生法自動產生多變且適當的詮釋動作。實驗顯示本系統能通用於LOA1人體模型和MIDI音樂；此外，透過調整系統中的參數，我們能產生不同風格的動畫，以符合不同使用者偏好和不同音樂曲風的特色。 / In recent years, the improvement of computing ability has contributed to the　wide application of 3D virtual environment. In the thesis, we propose to combine character animation with music for music interpretation in 3D virtual environment. The system proposed in the thesis is an intelligent avatar motion generator, which generates expressive motions according to music features. The system can extract music features from input music data, segment a music into several music segments, and then plan avatar animation. In the literature, much music-related animation research uses reconstruction and modification of existing motion to compose new animations. In this work, we analyze the relationship between music and motions, and then use procedural animation to automatically generate applicable and variable motions to interpret music. Our experiments show that the system can accept LOA1 models and midi as inputs in general, and generate appropriate expressive motions by modifying parameters according to users’ preference or music style.

本篇論文論證在漢語中動詞以及文獻中所認定的形容詞(putative adjectives)之間的區分是非必要的。本文探討了文獻中區分和辨別漢語形容詞詞類的各項準則，並論證這些準則並無法全面性解釋所有傳統上被視為是形容詞的詞彙，也因此使得漢語語法更加複雜和歧異。文獻中所認定的形容詞在句法上並未呈現出形容詞的特性；相反地，它們無論是從時貌標記來看或就範疇功能(categorial function)等方面而論都與動詞一致。因此，把文獻中所認定的形容詞與動詞歸於一類將可維持漢語語法的簡單性。 此外，我們認為Chomsky (1965)以兩個正負號特徵(±N, ±V)所界定出的四個詞類(名詞、動詞、形容詞以及介係詞)並不是普遍性的(universal)；意即，並非所有語言都需要同時擁有這四個詞類。功能語言學派的看法亦同，他們認為語言中最少只需要兩個詞類來執行語言功能，即動詞與名詞，因此只有這兩個詞類具有普遍性，而另兩個詞類的語意功能可藉由它們來執行。對此，我們引用了缺乏形容詞(如：韓語(cf. Kim 2002a, 2002b))及介係詞(如：賽德克語(cf. Huang 1998))語言的語料來佐證只有動詞與名詞具有普遍性的看法。最後，本文採用Bhat (1994)在觀察跨語言間形容詞詞類的行為表現後所提出的形容詞鑑定標準，來證明漢語中並沒有一個獨立的形容詞詞類。 / This thesis argues that the verb-adjective distinction in Mandarin Chinese is unnecessary. The criteria for identifying a distinct adjectival category have been proposed by many linguists, e.g., Zhu (1982), Yin (2003), Huang et al (2008); however, they fail to accommodate all putative adjectives as a category. A distinct adjective category requires stipulations to account for the verb-adjective distinction and thus complicates the grammar. Descriptively, putative adjectives in Mandarin Chinese do not exhibit adjectival characteristics; rather, they are unmarked predicates and thus behave similarly as verbs in terms of aspectual marking, N’-ellipsis, and reduplication. Putative adjectives should thus be conflated with verbs to maintain the simplicity of the grammar. From a typological perspective, some languages have been argued to lack adjectives (e.g., Korean (cf. Kim 2002)) and others, prepositions (e.g., Seediq (cf. Huang 1998)). Therefore, Chomsky’s (1965) four categories defined by two universal feature specifications [±N] and [±V] do not seem to be ubiquitous. Functionalist linguists also assert that only Noun and Verb are universal, for they represent the elementary and central concepts at two extremes of the world while Adjective and Preposition may not be syntactically realized and their semantic concepts are thus associated with either Noun or Verb. Finally, Chinese putative adjectives are further examined with the cross-linguistic criteria proposed in Bhat (1994). The only logical conclusion is that Mandarin Chinese does not distinguish adjectives as a distinct category.

在WEB2.0的時代，網際網路中充斥著各式各樣的互動式平台。就音樂網站而言，使用者除了聽音樂外，更開始習慣於虛擬空間中交流及分享意見，並且在這些交流、分享的過程中留下他們的足跡，間接的提供許多帶有個人色彩的資訊。利用這些資訊，更貼近使用者的推薦系統因應而生。本研究中，將針對使用者過去存取過的音樂特徵以及使用者於系統中留下的文字評論特徵這兩個部份的資料，做音樂特徵的擷取、找尋具有價值的音樂特徵區間、建立使用者音樂特徵偏好，以及文字特徵的擷取、建立使用者文字特徵偏好。接著，採用協同式推薦方式，將具有相同興趣的使用者分於同一群，推薦給使用者與之同群的使用者的喜好物件，但這些推薦之物件為該使用者過去並沒有任何記錄於這些喜好物件上之物件。我們希望對於音樂推薦考慮的開始不只是音樂上之特徵，更包含了使用者交流、互動中留下的訊息。 / In the era of Web2.0, it is flooded with a variety of interactive platforms on the internet. In terms of music web site, in addition to listening to music, users got used to exchanging their comments and sharing their experiences through virtual platforms. And through the process of exchanging and sharing, they left their footprints. These footprints indirectly provide more information about users that contains personal characteristics. Moreover, from this information, we can construct a music recommendation system, which provides personalized service. In this research, we will focus on user’s access histories and comments of users to recommend music. Moreover, the user’s access histories are analyzed to derive the music features, then to find the valuable range of music features, and construct music profiles of user interests. On the other hand, the comments of users are analyzed to derive the textual features, then to calculate the importance of textual features, and finally to construct textual profiles of user interests. The music profile and the textual profile are behaviors for user grouping. The collaborative recommendation methods are proposed based on the favorite degrees of the users to the user groups they belong to.

特徵選取為機器學習常見的資料前處理的方法，現今已有許多不同的特徵選取演算法，然而並不存在一個在所有資料上都優於其他方法的演算法，且由於現今的資料種類繁多，所以研發新的方法能夠帶來更多有關資料的資訊並且根據資料的特性採用不同的變數選取演算法是較好的做法。 本研究使用資訊理論entropy的概念依照變數之間資料雲幾何樹的分群結果定義變數之間的相關性，且依此選取資料的特徵，並與同樣使用entropy概念的FCBF方法、Lasso、F-score、隨機森林、基因演算法互相比較，本研究使用階層式分群法與多數決投票法套用在真實的資料上判斷預測率。結果顯示，本研究使用的entropy方法在各個不同的資料集上有較穩定的預測率提升表現，同時資料縮減的維度也相對穩定。 / Feature selection is a common preprocessing technique in machine learning. Although a large pool of feature selection techniques has existed, there is no such a dominant method in all datasets. Because of the complexity of various data formats, establishing a new method can bring more insight into data, and applying proper techniques to analyzing data would be the best choice. In this study, we used the concept of entropy from information theory to build a similarity matrix between features. Additionally, we constructed a DCG-tree to separate variables into clusters. Each core cluster consists of rather uniform variables, which share similar covariate information. With the core clusters, we reduced the dimension of a high-dimensional dataset. We assessed our method by comparing it with FCBF, Lasso, F-score, random forest and genetic algorithm. The performances of prediction were demonstrated through real-world datasets using hierarchical clustering with voting algorithm as the classifier. The results showed that our entropy method has more stable prediction performances and reduces sufficient dimensions of the datasets simultaneously.

根據行政院主計處於民國79年所進行的戶口及住宅普查報告中可知，台灣地區一般住戶租屋而居約佔總住戶的13.3%，台北縣l8%，台北市則高達20%，顯示租賃房屋已成為今日台灣都市地區民眾居住之主要形式之一。然而長久以來，我國在「有土斯有財」之傳統觀念下，政府及一般民眾皆偏重「住宅自有率」的提昇，造成在探討住宅課題的文獻及調查中，多偏重於「房價」方面，而有關「房租」方面的研究則較少探討。 本研究主要乃利用崔媽媽服務中心與主計處住宅狀況調查的出租住宅資料，針對民國70年至85年台北地區（台北市、台北縣）的住宅租金水準進行探討與分析，探討重點為住宅租金影響因素（特徵租金函數）、住宅租金歷年變化情形（租金指數）、住宅租金與價格相對變動關（租金乘數）係等三方面。 住宅租金影響因素方面，由於房客承租住宅屬於單純的消費行為，純粹享受住宅所提供的服務，因此租金可視為住宅的使用價格。反觀自有住宅者對於住宅則具有消費與投資雙重需求，房價除了使用價值外，亦包括預期增加的交換價值。實證結果發現影響住宅租金的主要因素為面積、內部隔間（房間數、廳數）、衛浴設備套數、住宅類型、屋齡、區位，而出租住宅提供家具與否、所在樓層、距小學或市場距離對於租金的影響則較不顯著。 住宅租金歷年變化情形方面，台北地區住宅租金受到住宅價格波動所影響，但租金反應價格波動具有時間上的落差，住宅價格在民國75、76年即有明顯上漲的趨勢，而住宅租金則遲至民國78年才出現大幅上漲的趨勢。主要原因在於租金受到租賃契約期限的關係，無法及時反應市場狀況而作調整，因此產生落後的現象。 住宅租金與價格的相對變動情形方面，台北市歷年來月租金乘數平均為298，台北縣則為274，表示台北市的住宅價格為住宅每月租金的298倍，台北縣則為274倍；顯示台北市之住宅投資、投機需求於房價高峰期遠遠超過台北縣，相對影響租金乘數幅度。

於都市計畫中，容積率的訂定或容積移入區的劃定及其上限規範，其擬訂過程所需考慮的因素以及訂定方式，似乎未有明確客觀標準或指導規範；且甚少將不動產市場需求層面納入考量，而影響土地使用的經濟效率。因此，本研究目的為探討區位可及性（規劃供給面）與區位的市場需求兩者對於容積率訂定之理論關係，並提供一套容積率「分派」之方法。研究方法包括特徵價格模式與模擬分析，實證案例為2001年台北市的住宅交易資料，其來源包含台北市稅捐資料與不動產交易資料庫。模擬分析結果顯示出模擬範圍內住宅使用之預測容積率的空間分佈，可據以作為容積率訂定的標準；而預測容積與法定容積的差異於空間上的分佈情形，可分析可能作為容積移入區的劃定區位，以促進土地容積更有效率的配置。

過往研究編製房價指數時多在品質固定或控制下，觀察房價的波動趨勢，對於住宅品質的改變如何影響房價則少有說明。而住宅品質為生活品質的一部分，亦為購屋者消費或投資時所關心，然住宅價格與品質間存在何種關係並不清楚，若認為高價格的住宅即代表高品質，則可能存在做出錯誤決策的風險。 本研究利用特徵價格法，探討台北市與台北縣於2000年至2009年間，新推個案與中古屋交易市場住宅品質的改變與房價關係。實證結果發現台北市的標準住宅的品質因改變程度較新北市小，故其對房價指數的波動不如在新北市中明顯。另外，台北市新推個案與中古屋住宅的區位條件無明顯衰退之情形，產品品質亦無明顯的提升；新北市新推個案與中古屋住宅的區位條件皆呈現衰退現象，但新推個案的產品品質則有提升趨勢，而中古屋住宅則是下降的趨勢。 最後，分析住宅價格與品質間的相關性，實證結果發現，新北市的新推個案住宅與台北市的中古屋住宅存在正相關，顯示在此兩種次市場中，支出更多價格購屋亦獲得更好的住宅品質。 / Most of the existing housing price indexes empirical studies are under quality-constant or quality-control, because housing quality change is difficult to measure. In these cases, one does not concerned about that price index, if one interested in consumption or investment. We use hedonic price model discusses the relationship of housing price and housing quality about new housing projects and transacted house during 2000 and 2009 in Taipei City and New-Taipei City. The empirical results show that due to degree of change in housing quality of representative house in Taipei City smaller than in New-Taipei City, so the volatility of the price index was significantly better in New-Taipei City. In addition, the Taipei City housing “location condition” no recession , and no obvious improvement of “structural quality”; New housing projects and transacted house in New-Taipei City, respectively, increase and decline, but the location condition are present recession. Furthermore, we find that there is positive correlation between housing price and quality in Taipei City’s transacted house market and New-Taipei City’s new housing projects market. In these two sub-markets, consumer spending more housing prices and get better housing quality.

本論文的目的是利用人臉在彩色影像中所提供的多色彩空間資訊，來達成在變異度較大的光源中即時偵測人臉的任務。彩色影像所擁有的原始RGB色彩資訊，經過轉化到正規RGB以及HSV (色調、飽合、明度)等色彩空間後，擁有對光源變化反應減緩的特性。以此特性為基礎，在４個選定的色彩空間中定義８種不同的類赫爾特徵(Haar-like feature)，再利用推進演算法（Boosting algorithm）選出重要性最高的幾組特徵來進行對人臉的特徵。實驗結果顯示依此方法所產生的辨識器可在２點多秒內處理近百萬個次窗口(sub-window)，並對光源變化有相當程度的抵抗力。 / The main goal of this thesis is to detect human face under varying lighting condition by utilizing multiple color space information in real-time. Images of RGB color space can be converted into normalized RGB and HSV color spaces and thus reduce the interference of lighting condition. Base on this mechanism, we define 8 Haar-like features inside 4 selected color spaces, and then select the important features with boosting algorithm. Experimental results show that detectors constructed with our approach are able to process nearly one million sub-windows within 2.4 seconds, being robust to the changes of lighting conditions.