由於台灣的軟體廠商多屬中小企業，因此在軟體開發專案過程中，常受限於 時程、成本上的壓力，無法遵循標準的軟體開發流程，也無法將專案經驗累積成 為公司的知識庫。CMMI 是目前國際上被高度認同的軟體開發流程模式，對提升 軟體發展能力及改善軟體品質相當有助益，可協助組織達到降低成本、掌控開發 時程與確保品質等目標，因此本研究將以滿足CMMI 專案規劃的標準為目標，設 計專案管理的資料模型。 本研究將規劃合乎CMMI的企業專案管理資料模式，使其有系統地記錄專案在 規劃時期所產出的一些資料及文件。當進行新的專案時，藉由參考先前專案的文 件或數據，可使專案在初步估計的過程中更加的順利，透過累積專案經驗也可增 加整體專案成功的機率。 以下為本文各章節的簡介，在第一章中，將確定研究的背景、動機、及目的， 據此進行第二章的文獻探討，分析CMMI與PMBOK對專案管理各自規範的實務作 法。接著在第四章中，先將PMBOK專案規劃流程轉為資料模型，再以CMMI專案規 劃的觀點來檢驗，分析是否滿足其實務的作法。第五章將分析個案公司專案文件 與訪談的結果，最後，在第六章將對個案公司提出建議，並提出改良後的資料模 型。

對於處理部份區分或是失去部分訊息資料的類別抽樣的問題，在許多領域裡皆有許多的應用。貝氏方法雖可處理這類問題，但是貝氏方法對這類問題的計算相當耗時，因此對於這種問題的後驗估計，Jiang (1995) 及 Jiang and Dickey (2005) 提出quasi-Bayes方法，Jiang and Ko (2004)利用Gibbs sampler來近似(approximate)這些後驗估計值。但是這兩種近似方法的優劣，因為貝氏方法計算上的困難，一直沒有任何文章作這方面的比較，本文突破計算上的某些限制，在小樣本時，對這兩種近似方法的近似度(相對於真正的貝氏值)作比較，進一步探討使用兩種比較方法的優劣。

逆物流系統中，企業須與夥伴協同合作，以降低不確定性和風險，進而提高績效。影響逆物流協同合作績效的因素，包含質化的資訊分享與協同合作因素和量化的成本、利潤因素。本研究以資料包絡分析法(Data Envelopment Analysis ,DEA)，針對12家有逆物流活動之製造商，評估逆物流發展現況，給予未來資源分配建議。 本研究中，質化指標先經由層級分析法(Analytic Hierarchy Process , AHP)做前置處理，再與量化指標進行DEA分析，選用DEA模式為CCR及BCC模式，分析各別協同合作績效之相對效率，並透過差額變數分析與敏感度分析探討不同投入和產出的變數組合，對效率的變化，進而瞭解各個變數對於績效之影響。 再針對企業目前之逆物流協同合作現況，提供資源分配之建議，使企業資源能更有效利用。

戶政機關所掌管個人自出生到死亡之機敏隱私戶籍記錄資料，為一切行政措施的基礎資訊，並與人民權益相關，在現今已全面電腦化，並透過資訊系統加以蒐集、使用、管理與流通之過程中，僅依現行法令規章及內政部制訂之系統安全管理規範似不足以確保個資之安全性，且無法完全防杜個資之外洩，造成民眾人身安全威脅與權益受損之風險。 面對個資保護等相關法制之推行及行政院於2009年1月訂頒「國家資通訊安全發展方案〈2009-2012年〉」之願景目標，新北市政府民政局預見其重要性並率先配合辦理，期為該市戶政機關建構一優質資安環境，於2011年6月份起擇轄內三重區戶政事務所導入資訊安全管理系統及中和區戶政事務所建置個資安全管理機制；本研究以上述兩戶政機關為個案，經由資訊安全管理觀點透過質性研究方式，深入探討戶政機關於資訊〈個資〉安全之相關實務管理問題，提出資訊〈個資〉安全管理重點與建議，以供新北市政府民政局未來規劃所轄戶政機關資訊安全管理之參據。 本研究歸結出新北市戶政機關資安管理現況問題，其分別為：一、新北市戶政機關普遍缺乏資訊專業人員與知能；二、新北市無訂定全市戶政機關戶政資訊管理規範；三、新北市戶政機關資訊安全編組及職掌疊床架屋；四、新北市戶政機關欠缺風險管理及評鑑執行能力；五、新北市戶政資訊稽核機制未完備且無專業稽核人員。 針對上述研究發現，本研究建議新北市政府民政局參照內政部規範之戶役政資訊系統安全防護需求，依據ISO 27001及個人資料保護法之規範，統籌律訂新北市各區戶政事務所資訊安全編組、風險管理及稽核機制，建立一套以落實資訊安全管理為目的，明確、有效、易於遵循之規範原則，供所屬戶政機關予以遵循，並透過教育訓練加強相關人員專業知能及執行能力，最後藉PDCA循環模型之作法，強化及落實個資保護目標。

本文使用中央研究院調查研究中心所提供之＜華人家庭動態資料庫＞用華人家庭動態資料庫中的RI1999、RI2000 與RI2003 三期資料作為主樣本。並利用RII2000、RII2001、RR2006等追蹤資料，篩選出首次進入婚姻者，分析在2007調查中是否改變婚姻狀態，進而探討是何種因素影響婚姻解散決定，包括結婚當下的個人特質、婚後的婚姻品質以及對於婚姻的資本投入，在實證分析上採用probit迴歸模型。 　　本研究結果顯示，個人心智隨著時間增長而逐漸成熟，初婚年齡越早，對於婚姻越可能有著不切實際的期待，使得婚姻解散風險與初婚年齡呈現顯著的負相關。過去中高年齡層進入婚姻的時間較早，當子女成年、離家後，中高年齡層夫妻生活的焦點開始從子女轉向夫妻關係，若發現彼此不再有許多共同之處，就有可能選擇走上婚姻解散一途，使得中高年齡層成為離婚的高風險族群。另外，傳統華人家庭觀念仍深深影響夫妻雙方的婚姻品質，婚姻生活依舊是以男方家庭的文化規範為基礎，女性必須適應男方家族，夫妻雙方若因為家族事務爭吵的頻率越高或是受到來自上一輩的生男壓力越大，婚姻解散風險也就越大。過去兩性分工一直是華人家庭夫妻的相處模式，但時代變遷，一旦職業婦女職場家庭無法兼顧，或是丈夫無法給予妻子經濟上的安全感，若繼續把過去性別分工的框架套用在現今夫妻的相處模式，容易增加婚姻解散的風險。

在兩岸經濟活動中，銀行業因為是資金供給、支付系統及金融仲介的中介機構，向來扮演著舉足輕重的關鍵角色。銀行的經營績效，一向受到政府主管機關、銀行經營者高度關注，更是社會大眾最關心的議題。 自2010年「海峽兩岸經濟合作架構協議」(ECFA)簽署及「臺灣地區與大陸地區金融業務往來及投資許可管理辦法」修正後，我國不少金融機構積極前往中國大陸設立分支機構、參股投資及拓展業務，兩岸金融業務往來日趨頻繁，中國大陸已成為我國許多銀行積極拓展業務之重點市場，而中國大陸國內各銀行的經營效率如何，始終給予外界模糊的印象。在兩岸互動漸趨積極的狀態下，我們必須加速對於大陸地區的銀行深入瞭解，方能在兩岸競合中運用自身的優點，再尋求適當的合作對象進行參股或策略聯盟，才能在兩岸金融業者競爭中勝出。因此本研究擬以實證分析探討並將研究結果，提供學術研究、金融發展及其他相關等應用，並作為國內銀行西進登陸發展之參考。 本研究運用資料包絡法(DEA)，以THE BANKERS 所公布的 Top 1000 World Bankers 2011中之中國境內前20大的中國大陸國內銀行為研究對象，來進行分析，將其2008-2010年三年度經會計師查核簽證之財務報告數據為投入與產出項目之依據，應用CCR模式、BCC模式進行各受評單位的總體效率、技術效率、規模效率進行分析，再將財務報告中股東結構以TOBIT截斷回歸模型，探討不同之組織或是規模型態是否對銀行經營效率產生影響。 研究發現在20家銀行中，以總體效率值來看，2008年相對較有效率的銀行家數為8家、2009年相對較有效率的銀行家數為10家、2010年相對較有效率的銀行家數為11家；而研究對象中，銀行規模對銀行經營績效具有影響。至於政府持股多少或是究竟是屬於大型商銀或是地區銀行，則對經營績效無影響。，此可能因其大多為政府所持有或是多數持有， 因此其經營績效無多大差異。

本研究根據過去藥局經營文獻中，所提出之藥局經營關鍵因素進行數據實證，以了解在過去訪談或其他質化研究中所整理之藥局經營關鍵因素是否能實際影響藥局的經營狀況。 　　由研究結果，利用Y藥局之POS資料實證：具有不同特性的消費族群對Y藥局而言，具有不同的顧客價值以及消費行為，實證過去文獻所提出之結論。 　　而針對不同客群的分群方式，本研究利用購買品類的頻率及數量，將顧客做集群分析，共分出五種類型：家庭育兒族、新婚未孕族、高齡保健族、新生兒養育族及愛美小資族。整體而言愛美小資族因為購買產品之特性，有較高的顧客終生價值，且在購買行為上，以購買多樣性的表現顯著高於其他族群，但在購買頻率及近期性表現則較差，顯示出該族群有較多的可能至其他通路購買。而連鎖藥局的主要顧客，家庭育兒族，則有最低的顧客價值，在購買行為上品類較為單一，數量零碎雖購買行為頻繁，卻未能實際創造價值。 　　另外針對藥局經營關鍵因素也發現，藥局在活動促銷上，主要能促進消費者的購買頻率及縮短消費者購買的近期性，整體而言是能提升短期的消費次數，但在金額上卻未有較顯著的相關性，也顯示了金額的促銷並未能持續將顧客價值提升，僅能刺激短暫的消費行為。 　　針對未來相關研究之建議也認為，透過資料採礦，能有效將實際銷售資料轉化為消費行為的刑為變數，為未來藥局經營做更多實際數據的驗證，改善過去多使用店長經驗及質性訪談方式衡量經營成效之狀況　。 / As the concept of the Customer Relationship Management (CRM) is getting more and more popular. The analysis way of data mining used not only extrapolating data but revealing the meaning of what the customer will think and what kind of customer will be the most valuable. This research focuses on the study of utilizing the model of RFM which meaning regency, frequency and monetary. The research not only using three measures but also adding the profit of each customer to find who the most valuable one is. And establish a better way to cluster the customer then finding the best marketing strategy for them. According to understand the pareto principle of the 80/20 rule, the research combine RFM model and cluster to measure the customer value. As well as analyzing the basic information of customer and the transaction data to understand the customer’s buying behavior and provide customer suitable products and services. The result showed that, the different types of pharmacy customers have different customer value which confirming the past researches. According to the research purposes we also clustering the pharmacy customer in five types which are family, newly-married, petty budget, elder and pregnancy. And the result showed that the petty budget is the most valuable cluster in all of the pharmacy customers.

隨著手持裝置的普及與社群網路的興起，大眾可以隨時拍攝影片並且上傳至網路上與他人分享。但是一般使用者產生的影片若少了配樂，將失色許多。除了原本影片帶給人們的視覺觀感之外，配樂可以帶給人們聽覺的觀感，進而使得人們可以更容易了解影片的情感，也可以讓人們更能夠融入在影片中。背景音樂推薦的研究主要有兩大種做法，Emotion-mediated Approach與Correlation-based Approach。我們使用Correlational-based Approach的方法，利用Correlation Modeling找出影片特徵值與音樂特徵值之間的關係。但是由於目前Correlation-based Approach的研究只有考慮到全域特徵，因此在此論文中，我們提出了區域特徵。區域特徵利用時間序列表達影片細部的變化，並且將區域特徵與全域特徵結合至Correlation Modeling中，透過 MLSA、CFA、CCA、KCCA、DCCA、PLS、PLSR演算法找出其中的關係並且產生背景音樂推薦的Ranking List，實驗部份比較了各個演算法在背景音樂推薦上的準確率，並且觀察Global Features與Local Features之間的準確率。 / Background music plays an important role in making user-generated video more colorful and attractive. One of current research on automatic background music recommendation is the correlation-based approach in which the correlation model between visual and music features is discovered from training data and is utilized to recommend background music for query video. Because the existing correlation-based approaches consider global features only, in this work we proposed to integrate the temporal sequence of local features along with global features into the correlation modeling process. The local features are derived from segmented audiovisual clips and can represent the local variation of features. Then the temporal sequence of local features is transformed and incorporated into correlation modeling process. Cross-Modal Factor Analysis along with Multiple-type Latent Semantic Analysis, Canonical Correlation Analysis, Kernel Canonical Correlation Analysis, Deep Canonical Correlation Analysis, Partial Least Square and Partial Least Square Regression, are investigated for correlation modeling which recommends background music in ranking order. In the experiments, we first compare the results of only global features, only local Features and incorporating global and local Features among each algorithm. Then second compare the results of different clip numbers and Fourier coefficients.

本研究主要探討藥妝零售產業提升預測顧客行為的模型與方法，並以RFM模型為基礎進行延伸。RFM模型在行銷領域中是廣泛被使用的模型，具有良好預測和分群顧客的能力，本研究在此模型中加入了兩項新指標：集中度 (C) 和 廣度 (B)，並針對顧客的「交易頻率」和「交易利潤」進行分析，藉此找出優於RFM的指標組合。首先將RFM、C、B共五項指標進行排列組合，並以迴歸分析驗證新增的兩項指標能顯著提升模型解釋能力，接著將RFM指標組合及RFMCB指標組合分別作為機器學習方法的解釋變數以預測顧客行為。對顧客交易頻率而言，C和B兩項指標的加入能顯著提升其預測能力，對顧客交易利潤而言，新指標的加入，平均而言對於預測精準度有所提升，但在部分資料中會使誤差值增加以致整體誤差的最大值有所提升。 / This research proposes modeling techniques to better predict customer behaviors in the retail industry. Extending the widely-adopted RFM model in marketing, we introduce two new metrics – clumpiness (C) and breadth (B). Using more than two million transaction records from over 100 retail pharmacy stores in Taiwan, we fit a set of regression models, in which we assess the explanatory power of different combinations of RFMCB for customer purchase frequency and profitability. Our analysis shows that the RFM model is significantly inferior to models with C and/or B, suggesting that C and B are indeed promising metrics. In the next stage, we will apply machine learning methods to incorporate C and B into predictive models and assess their out-of-sample prediction performance. On Average, RFMCB outperforms RFM in predicting Frequency & Profit. However, there are some cases where RFMCB leads to larger prediction error.

桃園機場近三年來，航班延誤的次數居高不下。 本文通過回歸和資料探勘的研究方法，發現抵達航班更容易出現航班延誤的狀況，特別是從桃園機場附近起飛的航班。 另外，廉價航空公司因其高效率的商業模式而獲得更好的時間效能。 這項研究證實了網絡傳播時間效應，也就是延誤狀況經常在當天晚些時候發生，並且進一步表明，機場若要提高準時性能，則航空公司的營運方式需要做改變。 / Over the past three years, Taoyuan Airport has experienced a high number of flight delays. By using regression and data mining methods, this paper found that arrival flights are more prone to delays, particularly from airports close by. Low cost carriers are also found to have better on time performance due to their efficient business. This study confirms the network propagation time effect where delays are more prone to happen later in the day and furthermore shows that should airports improve on-time performance, it would need to affect the way airlines operate.