社會弱勢族群住宅租金補貼審核標準之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：89

、訪客IP：3.147.58.159

姓名

蘇志軻(SU,CHIH-KO) 查詢紙本館藏

畢業系所

營建管理研究所

論文名稱

社會弱勢族群住宅租金補貼審核標準之研究

相關論文

★ 電廠工程工期相關衍生費用處理機制之研究	★ 應用建築資訊模型與傳統估價於工程數量計算效能比較之研究
★ 特種貨物稅及勞務稅條例對房地產的影響-以大臺北為例	★ 房地合一與所得稅改對於建設公司稅制利得與經營模式之個案研析
★ 營建工程現場之人力配置決策模式	★ 以財務比率導向建構使用衍生性金融商品避險之預測模式-以建設公司及營造廠為例
★ 生命週期管理導入軍艦採購模式之探討	★ 建築預鑄結構體生產難易度分級與分析之研究
★ 運用關聯法則探討預鑄構件生產派工之研究	★ Automatic Porosity Detection for Permeable Concrete using X-ray CT Images
★ 運用巨量資料與系統模擬建構預鑄產業人力彈性運用之決策評估模型	★ 國立大學工程設施BOT財務可行性評估流程之研究-以育成中心與宿舍為例
★ 露天開挖相關安全衛生設施標準之研究 -例外情事檢討與剖析	★ 公共工程進度計算方式之認定研究
★ 工程技術顧問業融資因素分析之研究	★ 以機關角度對於促進公共工程規劃設計資源再利用之法規研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

台灣近期之自有住宅率高達82%，受到傳統文化住者有其屋以及遺贈稅調降的影響，使得台灣出現高房價和低租金的現象。政府為了緩解此狀況開辦住宅補貼方案，此補貼方案截至目前，常見資料中有許多申請戶因子相同，然而最後卻得出不同之核准結果。本研究之目的即為，以納入粒子群演算法與模糊理論之多維矩形複合式類神經網路PSO-based Fuzzy Hyper-Rectangular Composite Neural Networks(PFHRCNN)對住宅補貼資料進行分類，並提供一項快速篩選工具給使用者自行操作，PFHRCNN整合類神經網絡與以規則為基礎之運算，採納監督式學習導向學習演算法(Supervised Decision-Directed Learning SDDL)，以實現100％訓練資料正確識別率，在分類中納入模糊理論，並用最佳化方案來協調各規則。取用之資料為101年住宅補貼資料，選定重要分析項次共12項，將中文格式之資料數值化並剔除衝突資料後得36086筆。分類結果中，最高正確率高達98.6%，最低之正確率也有近乎90%，明顯可看出此分類器之選擇有相當優異的成效。預測之結果顯示，單親家庭與曾為租金補貼戶兩項因子同時擁有，有極高的可能性通過審核；又或是新竹以南之鄉鎮，若曾為租金補貼戶，再次通過的可能性亦很大。

摘要(英)

Thousands of social vulnerable families apply for rental subsidy every year in Taiwan. For the past years before the change of the review criteria takes place, there are, for example, 89,750 applications in 2012. To develop a rapid and accurate tool for fast screening out unqualified applications and to seek proper review rules in a consistent viewpoint throughout the entire Taiwan cities and townships, the research objectives are to build up a tool to fast screen out unqualified applications so as to save enormous manpower and, to provide rules for reviewers using PSO-based Fuzzy Hyper-rectangular Composite Neural Networks (PFHRCNN). By looking into 89,750 datasets collected from the government data bank, each application contains 88 features where only 12 features are available for further analysis. Data trimming was performed to eliminate dilemmatic data that include exactly the same features but have different outcomes. A high proportion of 59.79% or 53,664 sets of the total involve such the circumstance. As a result, the rest of data or 36,086 sets were used to develop the fast screen-out tool and to obtain the review rules. The tool eventually yields a high accuracy rate at 98.6% and 66 rules suggested for review criteria. The findings support that single parent families who had rental subsidy living in the central or southern Taiwan have the highest chances to be granted again.

關鍵字(中)

★ 住宅補貼
★ 資料探勘
★ 分類
★ 類神經網路

關鍵字(英)

論文目次

中文摘要 v
Abstract vi
目錄 vii
圖目錄 viii
表目錄 ix
第壹章、緒論 1
1.1研究背景 1
1.2研究動機 2
1.3研究目的 3
1.4研究流程 4
1.5研究範圍與限制 7
第貳章、文獻回顧 8
2.1分類(Classification) 8
2.1.1類神經網路 9
2.1.2粒子群演算法 16
2.1.3模糊理論 17
2.2住宅補貼 19
2.3社會弱勢族群 25
第參章、資料蒐集 26
3.1資料取得 26
3.2資料處裡 29
第肆章、住宅租金審核標準之訂定 43
4.1申請戶審核結果預測模式建立 43
4.1.2預測之結果 46
4.2審核標準規則 48
第伍章、結論 51
5.1結論 51
5.2後續研究與建議 52
參考文獻 54

參考文獻

1.內政部，2005，整體住宅政策。
2.內政部，2011，整體住宅政策實施方案。
3.內政部，2011，住宅法。
4.內政部，2012，整合住宅補貼資源實施方案。
5.內政部，2013，住宅補貼作業規定。
6.簡睿辰，2013，神經網路於資料探勘之實務研究，義守大學電機工程學系碩士論文。
7.陳昌義，2014，住宅補貼申請戶特徵對審查合格影響之研究，國立中央大學土木工程學系研究所博士論文。
8.李宣佑，2014，顧客需求導向對都會區不動產特徵價格影響之研究，國立中央大學營建管理研究所碩士論文。
9.林建華，2002，承租戶租金負擔能力之分析―台北地區及台南地區之比較，國立成功大學都市計畫研究所碩士論文。
10.曾建穎，2005，租金與房價―穿越時空的龜兔賽跑，國立政治大學地政學系碩士論文。
11.潘子玄，2011，房屋使用者成本與房價、房租相關性的檢驗―以台灣全區與台北市為例，真理大學經濟學系財經系碩士論文。
12.陳盈潔，2013，應用交通資料蒐集與發佈設備及資料探勘法協助觀光地區交通管理策略之研究：以桃園大溪老街為例，國立中央大學土木工程學系碩士論文。
13.王珮紋，2012，利用資料探勘技術建立現金預測模式：決策樹方法之應用，國立中正大學會計與資訊科技學系。
14.洪銘澤，2013，CPU平行粒子群最佳化應用於平面桁架結構最佳化設計，國立交通大學土木工程學系碩士論文。。
15.李奇霖，2013，粒子群優化演算法應用於感測器最佳化配置問題，國立交通大學土木工程學系碩士論文。
16.陳正倫，2009，類神經網路應用於語音情緒的分析與辨識，國立中央大學資訊工程研究所碩士論文。
17.劉伯毅，2008，以財務比率導向建構使用衍生性金融商品避險之預測模式-以建設公司及營造廠為例，國立中央大學營建管理研究所碩士論文。
18.高健智，2012，使用類神經網路於手寫簽名辨識與預測標準普爾500指數，國立高雄海洋科技大學，電訊工程所碩士論文。
19.李中永，2014，使用類神經網路結合模糊理論預測標準普爾500指數，國立高雄海洋科技大學，電訊工程所碩士論文。
20.陳哲偉，類神經-模糊避碰系統與類神經-H∞操舵器之綜合設計，國立成功大學，造船暨船舶機械工程研究所碩士論文。
21.周郁霖，2013，使用類神經網路預測電力負載與預測標準普爾500指數，國立高雄海洋科技大學，電訊工程所碩士論文。
22.周新富，「教育社會學」，五南出版社，2013。
23.葉怡成，「應用類神經網路」，儒林圖書，2003。
24.葉怡成，「類神經網路模式應用與實作」，儒林書局，2009。
25.張斐章，張麗秋，「類神經網路導論：原理與應用」，2010。
26.王進德，「類神經網路與模糊控制理論入門與應用」，全華書局，2011。
27.簡禎富，「決策分析與管理-全面品質提升之架構與方法」，雙葉書廊有限公司，2005。
28.曾志超、尤元奎(2003)，「台灣社會貧富差距日益擴大之省思」，國家政策論壇季刊，冬季號，2009。
29.高超群(譯)，「人工智慧-現代方法(Stuart Russell, Peter Norving 原著)」，台灣培生教育股份有限公司，2006。
30.周仁尹、曾春榮，「從弱勢族群的類型談教育選擇權及教育財政革新」，教育研究與發展期刊，第2卷3期，93-122頁，2006。
31.簡龍華、游建華，「英美社會住宅及租金補貼政策之啟示與經濟分析」，台灣季刊銀行季刊，第六十二卷第三期，146-171頁，2011。
32.內政部營建署，「住宅補貼效益分析之研究」案號：102A-030。
33.陳士杰，「機械學習課程」，國立聯合大學資訊管理系，2015。
http://sjchen.im.nuu.edu.tw/ML_final.html
34.巫沛昌，「類神經網路簡介(無日期) 」，2013。
http://140.133.35.1/faculty/pwu/expert/ann.ppt
35.林文賜，「類神經網路概念-數位學習平台(無日期) 」，2013。
http://el.mdu.edu.tw/datacos/09823412017A/%E7%A0%94%E7%A9%B6%E6%96%B9%E6%B3%95%285%29-%E9%A1%9E%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF-SOM&BPN.pdf
36.Jiawei Han, Micheline Kamber, Jian Pei,” 8 - Classification: Basic Concepts”, Data Mining (Third Edition), pp. 443-495, 2012.
37.Jieh-Haur Chen,” Developing SFNN models to predict ﬁnancial distress of construction companies”, Expert Systems with Applications, Vol 39, Elsevier Ltd, pp 823-827, 2012.
38.M.-C. et all., “Mapping multi-spectral remote sensing images using rule extraction approach”, Expert Systems with Applications, Vol 38, Elsevier Ltd, pp 12917-12922, 2011.
39.Han Jiawei, “Data mining techniques”, Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data, Montreal Can, June 1996.
40.J. Kennedy, R. Eberhart, “Particle swarm optimization”, in IEEE International Conference on Neural Networks,4 , Dec. 1995, 1942-1948,.
41.R. Eberhart, J. Kennedy, A new optimizer using particle swarm theory, Proceedings of the Sixth International Symposium on Micro Machine and Human Science, Oct. 1995, 39-43.
42.J. Kennedy, R. C. Eberhart, and Y. Shi, Swarm Intelligence, New York: Academic Press, 2001.

指導教授

陳介豪

審核日期

2016-1-26

推文