臺灣博碩士論文加值系統

資料探索的工作在世界上已行有多年，許多的研究人員在這個領域裡努力地想要挖掘出更多更有用的資訊出來，這些資訊往往是一些關聯或是規則。透過這些被挖掘出來的關聯或規則，它們告訴了人們這些資料在過去的歲月中曾經存在著哪些的模式。除此之外，資料裡面的這些模式更隱含了人們所希望知道的未來，接著資料預測的研究就漸漸地展開了起來。只不過這些資料預測的研究大多專注於商業活動之中，例如股票走勢，需求預測等等，當然非商業行為的預測還是存在著，比如說氣象預測或是應用於網路快取上的預測都有，只不過針對教育學習的研究卻是屈指可數。
本論文之中利用了類神經網路裡頭的自組織圖，結合資料探索領域當中的資料聚類(Clustering)理論，設計了三種資料預測模型。包括狀態轉換矩陣、狀態轉換機率模型以及連續狀態轉換模型等等，企圖透過時序型資料之中資料的形態(pattern)轉換來進行資料預測。在這一個研究之中，待預測資料會透過資料預測模型的使用，找出未來可能的落點，這些落點將會被模糊理論的方法給模糊化之後，萃取出這些它們隱含的資訊，最後這些資訊將告訴我們未來資料落在某些系統預設落點上的機率有多高，產生一種較為制式化的預測結果報告。
除了資料的預測方法之外，本論文裡頭提出了一種全迴路的資料處理系統，結合上述的資料預測方法，並應用於學生學習成績的預測之上。全迴路系統資料有如用一般標準資料處理的程序之外，還會對預測的結果進行分析，最後回饋到學生身上，完成一段完成的迴路。在本論文的實驗中，我們分別以一個、兩個到三個資料預測模型的應用，進行學生學習成績的預測，看看是否在更多預測模型的合作之下，能夠找出更準確的結果，除此之外也利用了不同學院的學生成績進行預測，以確保資料預測方法的一般性。

Research in data mining domain have a long period, many researcher works hard for digging more and useful information, which are some kind of relationship or rules. But with these reslationship and rules, they tell people what happened in and if there are some behavior patterns in the past. Besides, these patterns not only being patterns but also tell people where the future is. These patterns bring the age of research in estimation, but most of these researches pay too much attention on business activities, such as stock trend, demand forcasting etc. Some researchs in non-business activities are exist surely, for example the predition of climate or cache which applied to internet. But only few researches focused on education.
In this thesis, we have designed 3 kinds of data estimating model, with the data clustering theory in data mining domain, by using the self-organizing map (SOM) of neural network. These models are state-transition matrix, state-transition probabilitic model and continuous state-transistion model, which use in serial data for finding internal pattern transition. By using of these these models, it gets some possible value in the future, and these values will be extracted for the inner information by fuzzy theory. With the information, we can find the probabilities of some default values, for a formal report of estimation.
This theis brings up not only a estimation method, but also an full-loop data mining process. The process integrates with the estimation method which has mentioned above, it applies to the the estimation of the l nmg effectiveness. Full-loop data mining process is like most KDD processes, from original data to model, but the process also uses these models for analyzing the grades to students for a feedback. Experiments in the thesis predict the values of fall of students by using 1 to 3 models, to confirm if the estimation more accurate by the cooperation of more models. Beside, for confirming the generality, we also used the data of student grades in different college.

目錄
摘要 I
Abstract II
誌謝 III
目錄 IV
圖目錄 VI
表目錄 VII
第1章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 1
1.3 研究方法 2
1.4 本文架構 3
第2章 研究背景 4
2.1 全迴路資料處理流程 4
2.2 預測理論 5
2.3 類神經網路 7
2.4 模糊理論 12
第3章 資料預測模型 17
3.1 資料形式與符號定義 17
3.2 內部狀態 18
3.3 狀態轉換矩陣 21
3.4 狀態轉換機率模型 22
3.5 連續狀態轉換模型 25
3.6 預測的模糊化 28
第4章 全迴路系統建置 30
4.1 資料前處理 30
4.2 模型建構 33
4.3 落點預測模組 36
4.4 分析回饋模組 38
第5章 實驗與比較 40
5.1 實驗方式 40
5.2 模型建構與估測 41
5.3 準確度計算 48
5.4 比較同質異源資料 51
5.5 預測結果回饋 56
第6章 實驗與比較 59
6.1 總結 59
6.2 未來工作 60
參考文獻 61


圖目錄
圖 1.1 全迴路資料處理系統 2
圖 2.1 監督式學習 4
圖 2.2 知識與資料探索處理流程 4
圖 2.3 類神經網路中的神經元模型 8
圖 2.4 類神經網路的型態 9
圖 2.5 墨西哥帽函式圖形 11
圖 2.6 隸屬函數 14
圖 3.1 範例資料中的資料關係 20
圖 3.2 狀態轉換機率模型(圖形表示) 24
圖 3.3 模糊化與成員函式 28
圖 4.1 資料過濾與資料轉換 32
圖 4.2 2×n的自組織圖 34
圖 4.3 模型建構系統流程圖 35
圖 4.4 落點預測與分析回饋模組 36
圖 5.1 狀態轉換機率模型(A系，第一學期到第四學期) 42
圖 5.2 狀態轉換機率模型(A系，第四學期到第八學期) 43
圖 5.3 反模糊化 49


表目錄
表 3.1範例資料 19
表 3.2 狀態轉換矩陣 22
表 3.3 狀態轉換機率模型(λ1,2m,m′) 24
表 3.4 狀態轉換機率模型(λ2,3m,m′) 24
表 3.5 利用算術平均數做為代表值的狀態轉換矩陣 26
表 3.6 連續狀態轉換模型的聚類結果 27
表 4.1 資料庫中的學生成績資料 30
表 4.2 學生學期總平均 31
表 4.3 樣本資料 31
表 4.4 預測結果類型分析 39
表 5.1 88級學生學科成績(節錄) 40
表 5.2 A系資料所有內部狀態與狀態內容 42
表 5.3 待預測資料(A系) 44
表 5.4 A系第二學期的預測結果與實際成績 45
表 5.5 A系第三學期的預測結果與實際成績 46
表 5.6 A系預測第六學期可能落點 47
表 5.7 A系第六學期的預測結果與實際成績 48
表 5.8 A系預測值、實際值以及預測誤差 50
表 5.9 B系資料所有內部狀態與狀態內容 52
表 5.10 狀態轉換機率模型(B系，第五、第六學期) 52
表 5.11 待預測資料(B系) 53
表 5.12 B系預測第六學期可能落點 54
表 5.13 B系第六學期的預測結果與實際成績 55
表 5.14 兩系的預測誤差 56
表 5.15 六種類型的回饋內容 57
表 5.16 預測所得的A系學生類型 58

中文文獻
[NSC 92-25] 張少同，「九年一貫數學能力指標的詮釋：國中統計部分」，國科會補助專題研究計畫成果報告，NSC 92-2521-S-003-007-
[于宗先72] 于宗先，「經濟預測」，大中國出版社，台北，1972
[白建二87] 白建二、陳文賢、林哲生，「生產管理」，國立空中大學，1987
[林傑毓等99] 林傑毓、詹榮忠，「灰色理論於台灣光電產業預測分析之應用」，中華民國科技管理研討會論文集，中華民國科技管理學會，1999。
[黃天鴻03] 黃天鴻，「以知識地圖為基礎發展的網路全迴路學習」，中原大學資訊工程研究所碩士論文，2003
[趙嬙03] 趙嬙，「灰色預測理論應用於汽車產業預測的研究—以台灣、大陸市場為例」，朝陽科技大學企業管理研究所碩士論文，2003
[徐桂祥94] 徐桂祥，「灰色系統在商情預測上的研究」，雲林技術學院資訊管理技術研究所碩士論文，1994
[春日井博88] 春日井博，「需求預測入門」，書泉出版社，台北，1988

英文文獻
[AFCX99] M. Arlitt, R. Friedrich, L. Cherkasova, J. Dilley, and T. Jin, “Evaluating Content Management Techniques for Web Proxy Caches,” HP Technical Report, Apr. 1999.
[Aok79] Takashi Aoki, “A statistical prediction of the tropical cyclone position based on persistence and climatological factor in the western North Pacific (the PC method),” Geophys. Mag., Japan Meteoro-Logical Agency, No.4. 1979
[BaP92] H.-U. Bauer and K. Pawelzik, “Quantifying the neighborhood preservation of self-organizing feature maps”, IEEE Trans. Neural Networks, Vol.3, No.4, 1992, pp-570-579.
[BaW03] Arvind K. Bansal and Cristopher J. Woolverton, “Applying Automatically Derived Gene-Group to Automatically Predict and Refine Metabolic Pathways,” IEEE Transactions on Knowledge and Data Engineering, 2003, pp.883-894.
[BeZ70] R.A. Bellman and L.A. Zadeh, “Decision-making in a fuzzy environment,” Management Sciences 17, 1970, pp.141-164.
[CaI97] P. Cao and S. Irani, “Cost-Aware WWW Proxy Caching Algorithms,” Proc. USENIX Symp. Internet Technology and Systems, Dec. 1997, pp. 193-206.
[Che98] L. Cherkasova, “,” HP Technical Report, Nov. 1998.
[ChM01] Sunil Chopra and Peter Meindl, “Supply Chain Management,” Prentice Hall Inc., 2001, pp.71-72.
[CHY96] M.S. Chen, J. Han, and P.S. Yu, “Data mining: an overview from a database perspective,” IEEE Transactions on Knowledge and Data Engineering, vol. 8, pp.866-883, 1996.
[CMS71] John C. Champer, Satinder K. Mullick, and Donald D. Smith, “How to Choose the Right Forecasting Technique,” Harvard Bussiness Review, July-Aug. 1971, pp.45-74.
[DCDX00] Qin Ding, Maria Canton, David Diaz, Qinghua Zou, Baojing Lu, Amalendu Roy, Jingkai Zhou, Qun Wei, Ahsan habib, and Md Abdul Maleq Khan, “Data Mining Survey” Available at http://midas.cs.ndsu.nodak.edu/~ding/datamining/dm-survey.doc, 2000.
[Dun03] Margaret H. Dunham, “Data Mining : Introductory and Advanced Topics,” Prentice Hall Inc., 2003, pp.10
[FrS91] James A. Freeman and David M. Skapura, “Neural Networks Algorithms, Applications and Programming Techniques,” Addison Wesley Pub. Co., 1991
[Hay99] Simon Haykin, “Neural Networks aComprehensive Foundation,” Prentice-Hall Inc., Upper Saddle River, New Jersey,1999
[HeT93] H. Hellendoorn and C. Tomas, “Defuzzification in fuzzy controllers,” Intelligent and Fuzzy Systems, vol.1, 1993, pp.109-123.
[HMI99] Tsuguteru Hiraoka, Hioroshi Maeda, and Norikazu Ikoma, “Two-stage Prediction Method of Typhoon Position by fuzzy modeling,” Proceeding of IEEE System, Man, and Cybernetics, vol.6, 12-15 Oct. 1999. pp.581-585.
[KlŻ02] Willi Klösgen and Jan M. Żytkow, “Handbook of data mining and knowledge discovery,” Oxford university press, 2002.
[Koh 84] Teuvo Kohonen, “Self-Organization and Associative Memory,” Springer Series in Information Sciences. Vol.8, Springer-Verlag, New York, 1984
[KrV94] P. Krishnan and J.S. Vitter, “Optimal Prediction for Prefetching in the Worst Case,” Proc. SODA: ACM-SIAM Symp. Discrete Algorithms, 1994.
[Lee90] C. Lee, “Fuzzy logic in control systems: fuzzy logic controller, Parts I and II,” IEEE Trans. System, Man and Cybernetics, vol.20, pp404-435.
[LeK77] D. Lebell and O.J. Krasner, “Selecting Environmental Forecasting Techniques from Business Requirements,” Academy of Management Review, 1977, pp.373-383.
[MNRX98] S. Michel, K. Nguyen, A. Rosenstein, L. Zhang, S. Floyd, and V. Jacobson, “Adaptive Web Caching: Towards a New Caching Architecture,” Computer Networks and ISDN Systems, vol.30, Issue 22-23, Nov. 1998. pp.2169-2177.
[ReJ78] Donald S. Remer and Craig Jorgens, “Ethylene Economics and Production Forecasting in a Changing Environment,” Engineering and Process Economics, Vol.3, Iss.4, Nov 1978, pp.267-278.
[RiB99] Baeze-Yates Ricardo and Ribeiro-Neto Berthier, “Modern Information Retrieval,” Edinburgh Gate: Addison Wesley, 1999.
[Ros95] Timothy J. Ross, “Fuzzy Logic With Engineering Application,” McGraw-Hill Inc., 1995
[StR02] Christiane Stutz and Tomas A. Runkler, “Classification and Prediction of Road Traffic Using Application-Specific Fuzzy Clustering”, IEEE Transaction on Fuzzy System, vol.10, No.3, June 2002, pp.297-308.
[Sug85] M. Sugeno, “A introductory survey of fuzzy control,” Inf. Sci., vol.36, 1985, pp.59-83
[Win60] P.R Winters, “Forecasting Sales by Exponentially Weighted Moving Averages”, Management Science, Vol.6, 1960, pp.324.
[Zad65] L.A. Zadeh, “Fuzzy Set,” Information and Control, Vol.8, pp.338-353.