2430 EPS的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到附近那裡買和營業時間的推薦產品

基於無監督學習的居家老人行為識別及異常檢測研究

為了解決2430 EPS的問題，作者尚翠娟 這樣論述：

人口老齡化給整個社會帶來很多問題，如醫療資源及護理人員的嚴重短缺、護理費用高昂等。考慮到多數老人更喜歡在家中安享晚年，同時結合老齡化產業現現狀，居家養老成為大多數政府主推的養老模式。而居家照護也成為了一個熱門研究議題，受到了廣泛的關注。行為識別在支持老人居家養老中起著重要的作用。現有研究提出的行為識別演算法，多是通過從感測器資料中提取特徵或模式來識別老年人的行為。然而，這些方法大多基於帶有標記的感測器資料，採用概率模型或監督學習的方法來識別行為。本研究針對智慧家居中的獨居老人，基於無標記的感測器資料，提出了一種基於無監督學習的行為識別算法(BIA)。本研究基於對老人行為的觀察，提出了三個老人

行為的特徵，即事件順序相似性、時間長度相似性和時間間隔相似性。基於這些行為觀察的特徵，定義了兩種行為屬性，即事件位移和長條圖形狀相似度。根據這些特性，提出了無監督學習的行為識別算法（BIA）。最後，實驗結果表明，該方法在行為識別精度和召回率方面優於現有的無監督機器學習機制。老年人日常行為的異常檢測也是居家照護中的一個重要議題。現有的異常檢測研究多是基於某些生物醫學參數或某些特定行為的明顯異常來評估老年人的身體健康狀態。然而，很少有研究討論不同行為組合的隱性異常，這種隱性異常可以用來評估老年人的認知和身體健康，但不能基於感測器資料直接識別。因此，本研究提出一種隱式不規則檢測(IIRD)機制，旨在

基於日常行為應用無監督學習算法來檢測老人行為為的隱式不規則性。本研究提出的IIRD機制能夠識別日常行為之間的距離和相似性，這是區分老年人日常行為的規律性和不規則性、檢測老年人健康狀況隱性不規則性的重要特徵。實驗結果表明，該方法在檢測準確率和Recall方面優於現有的無監督機器學習機制。由於IIRD只輸出二值檢測結果，因此本研究進一步提出了一種基於特徵的隱式不規則性檢測機制(FIID)，該機制利用無監督學習提取規則性特徵，輸出隱式不規則性發生的概率。該方法將滿足時間規律性性和頻繁發生規律性性的規則行為作為識別為日常行為的規則特徵。這些特徵可以構造一個多維特徵空間來計算日常健康狀況的隱式不規則概率

。實驗結果表明，本研究所提出的FIID在精度、Recall和F-measure方面都優於現有的隱式不規則機制。

黑腐病菌 clpX 與 clpP 基因之特性

為了解決2430 EPS的問題，作者李芷恩 這樣論述：

革蘭氏陰性菌 Xanthomonas campestris pv. campestris (XCC) 為造成十字花科植物感染黑腐病的病原菌，其毒力因子包括胞外酵素、胞外多醣與生物膜形成。先前藉由轉位子隨機誘變，分離到一株吸附能力下降之突變株，該突變株被轉位子插壞的基因之編碼產物被推估為 ClpX，為 ClpXP 蛋白酶之 ATPase 次單位。Clp 蛋白酶參與壓力反應，也與許多致病菌之毒力有關。在已完成定序之 XCC 基因體中，具有許多被註解為 Clp 蛋白酶的基因 (包括 clpA、clpX、clpY、clpP與 clpQ)，在 XCC 之生理角色均未知。本研究之目的為探討 clpX 與

clpP 在 XCC 中之功能。透過遺傳互補與表型分析，得知 clpX 與 clpP 基因突變均導致胞外酵素 (包括蛋白酶、纖維酶、聚甘露糖酶及果膠酸裂解酶) 與對甘藍菜的毒力下降；clpX 突變也導致本菌吸附於非生物性與生物性表面之能力下降，且對於環境壓力 (包括溫度、嘌呤黴素和十二烷基硫酸鈉) 的耐受性也降低。這些由於 clpX 與 clpP 基因突變而改變之表型，均可透過回補完整的 clpX 與 clpP 基因而恢復。利用反轉錄定量即時聚合酶鏈鎖反應分析，得知編碼主要胞外酵素與生物膜相關蛋白的基因之表現量，在 clpX 突變株均低於野生株；而編碼 ClpYQ 蛋白酶的基因 (clpY

和 clpQ) 表現量卻在 clpX 突變株增加。啟動子活性分析得知，clpX 的轉錄表現因不同培養條件而異，且受到代謝抑制。本研究為 Xanthomonas clpX 與 clpP 基因之首篇報導。