傳統的算命常根據個人不同的生物特徵或藉由其他的演繹方式，再針對不同的情境分析經由主觀臆測推斷個人特質甚至未來運勢。然以上結論並非經由質化或量化分析，其推論往往無法令人信服。因此，科學化的定性歸納分析顯得相當重要，吾人實有必要就生物特徵與人格特質之關聯性做深入之探究。指紋係個人生物特徵中非常獨特的部分，文獻中發現影響人格特質的因素很多，然迄今並無研究討論指紋與人格特質的關聯性。基於指紋的唯一性，本研究率先提出採用指紋搭配血型的人格特質預測方法。首先，輸入影像經由指紋辨認演算法分類後，再利用貝氏信賴網路做48種人格特質的分類，在此系統中我們可以在1-2秒內快速地找出指紋對應的人格特質類別。在本研究中，前測問卷共蒐集141份、而後證問卷共有41份，實驗結果經由統計分析證明指紋與人格特質具有相當高的關聯性，亦有八成以上的受測者對分類結果有非常高的滿意程度。

The traditional fortune-telling often based on individual biological characteristics or the interpretation by other means. Scenario analysis for different personal qualities inferred by subjective speculation and even the future destiny. However, these conclusions are not derived from qualitative or quantitative analysis, the inference is often unconvincing. We need to explore the correlation between biological characteristics and personality traits. Fingerprint is a very unique part of the personal biometric. There are many of factors affected by the character of personality in the literature. So far, no discussion of fingerprint and personality traits of relevance. Based on the uniqueness of fingerprints, this study first made by fingerprint and blood type matching personality prediction methods. First, the input image by the fingerprint recognition algorithm for classification, then use Bayesian Belief Network to do the classification of 48 personality traits. In this system, we can quickly identify fingerprint corresponding personality types in one second or two seconds. In this paper, pre-test questionnaire to collect 141, validate the questionnaire a total of 41. The results proved by statistical analysis of the fingerprint and personality with a very high correlation. On the personality classification, more than eighty percent of the subjects have very high satisfaction.

摘要 i
目錄 iii
表目錄 v
圖目錄 vi
一、緒論 1
1.1研究背景與動機 1
1.2研究目的 2
二、文獻探討 3
2.1指紋的起源與應用 3
2.2人格特質理論 5
2.2.1人格定義 5
2.2.2人格特質 5
2.2.3人格特質的分類 6
2.3血型與人格的相關研究 8
2.4貝式信賴網路 10
2.4.1貝式數學規則 11
2.4.2貝式信賴網路的優點 14
三、研究方法 15
3.1研究流程 15
3.2指紋分類方法 17
3.3問卷設計 19
3.4問卷發放與實施計畫 27
3.5統計分析方法 28
四、研究結果與討論 29
4.1問卷分析 29
4.1.1問卷發放實施情況與資料量化 29
4.1.2信度分析 29
4.1.3 效度分析 36
4.1.4敘述性統計分析 43
4.2人格特質預測模型 57
4.3後測驗證與應用 67
五、結論與未來建議 71
參考文獻 72
中文部分 72
英文部分 74
網路部分 76
附錄一 個性解析問卷 77
附錄二 驗證問卷 83

[1]Tyson, S., & Jackson, T. ，1986，組織行為，蔡承志譯，桂冠圖書公司，台北。
[2]方舟子，2002，血型的科學、壞科學、偽科學和迷信，日本。
[3]毛繼萱，2009，人格特質、工作壓力與職場健康促進關聯性之研究-以光電產業為例，經國管理暨健康學院，碩士論文。
[4]古川竹二，1932，血型與性格，日本。
[5]吳芝儀，2000，生涯探索與規劃，濤石文化，嘉義。
[6]吳萬益、林清河，2000，企業研究方法，初版，華泰書局，台北。
[7]林佳燕，2001，大學生個人特質因素對色彩嗜好關係之研究，國立交通大學，碩士論文。
[8]林欽榮，1983，管理心理學，五南圖書，台北。
[9]邱皓政，2000，量化研究與統計分析，五南出版社，台北。
[10]郁淑芳，2009，澎湖縣國民中學教師人格特質與工作壓力相關性之研究，國立臺南大學，碩士論文。
[11]能見正比古，1995，血型性格面面觀，蔡明耀譯。
[12]陳仲庚、張雨新，1990，人格心理學，五南圖書公司，台北。
[13]陳正昌，2005，多變量分析方法-統計軟體應用，四版，五南圖書，台北。
[14]許通晏，2008，參與者之血型在創意思考會議上的影響，大同大學，碩士論文。
[15]黃郁珉，2009，國中生人格特質、知覺教師管教方式與偏差行為之關係研究，國立臺中教育大學，碩士論文。
[16]張世旭、黃智任、鄭方炫、許文星，1999，”結合指紋、智慧卡與公開金鑰密碼機制之認證加密簽章系統”，影像與識別第5 卷 第3 期，P.105。
[17]張春興，1990，現代心理學，東華書局，台北。
[18]游明益，2008，工作滿足、信任與組織公民行為－知識分享之中介效果及人格特質之干擾效果，大葉大學，碩士論文。
[19]葉又甄，2007，人格特質、生活型態、星座類型三對消費者決策型態差異之研究，大葉大學，碩士論文。
[20]黃信翰，2009，吹牛骰子之人工智慧研究，國立台灣師範大學，碩士論文。
[21]黃敏宗，2004，以平衡計分卡建構逆向物流業者績效評估模式之研究，南台科技大學，碩士論文。
[22]廖哲賢，2000，”指紋的應用沿革齊集生理結構”，刑事科學，第49期，P.133。
[23]潘文章，1990，行為管理：觀念、行為、績效，三民書局，台北。
[24]鄭復源，2010，人格特質、自我導向學習、組織承諾與工作績效之相關性研究，東海大學，碩士論文。
[25]蔣明勳，2007，國中學生A型行為與其血型關係之研究，中華大學，碩士論文。
[1]A. M. Bazen and S. H. Gerez, “Systematic methods for the computation of the direction fields and singular points of fingerprints, ”IEEE Trans. Pattern Anal. Machine Intell, vol. 24, no. 7, pp. 905-919, 2002.
[2]C. I. Watson and C. L. Wilson, “NIST special database 4, fingerprint database,” National Institute of Standards and Technology, March, 1992.
[3]Cuieford, J. P., Fundamental Statistical in Psychology and Education, New York：Mcgrain Hill, 1965.
[4]David, H., “A tutorial on learning with Bayesian networks.”, Microsoft Research, March.
[5]DeVellis, F. R., Scale Development: Theory and Application, 2edth, SAGE, London, 1991.
[6]Jain, L. Hong, and R. Bolle, “On-line fingerprint verification,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 19, no. 4, pp.302-314, April, 1997.
[7]J. Li, W. Y. Yau, and H. Wang, “Combining singular points and orientation image information for fingerprint classification,” Pattern Recognition, vol. 41, pp. 353-366, 2008.
[8]McCrae, R. R., & Costa, P. T., Personality in adulthood: a five-factor theory perspective. New York: Guilford Press, 2003.
[9]Mitchell, T.M., Machine Learning, McGraw-Hill, 1997.
[10]Nalini Ratha, Rund Bolle, Automatic fingerprint Recognition Systems, New York: Springer-Verlag, 2004.
[11]P. Cheeseman, J. Stutz, “Bayesian Classification (AutoClass): Theory and Results", in Advances in Knowledge Discovery and Data Mining, 1996.
[12]Q. Zhang and H. Yan, “Fingerprint classification based on extraction and analysis of singularities and pseudo ridges,” Pattern Recognition, vol. 37, pp. 2233-2243, 2004.
[13]S. Shah and P. S. Sastry, “Fingerprint classification using a feedback-based line detector,” IEEE Trans. on Systems, Man, and Cybernetics-Part B, vol. 34, no. 1, pp. 85- 94, 2004.
[14]Shachter, R., ”Probabilistic inference and inference diagrams.” Operations Research, 36: p589-604, 1988.
[15]Sharma, S., Applied Multivariate Techniques, John Wiley and Sons, New York, 1996.
[16]U. Halici and G. Ongun, “Fingerprint classification through self-organizing feature maps modified to treat uncertainties,” Proceedings of the IEEE, vol.84, no. 10, pp. 1497-1512, Oct,1996.