https://ir.lib.ncu.edu.tw/handle/987654321/25192 目的在於培養學生開發及資訊系統開發的專業能力，以提供國內企業所需之資訊人才。 Search the Channel s https://ir.lib.ncu.edu.tw/simple-search https://ir.lib.ncu.edu.tw/handle/987654321/107180 title: 應用本體論來線上展開資訊系統潛藏與知識密集之品質需求 abstract: 摘要： 品質對於資訊系統功能是否成功運作扮演著極重要之角色，而如何將潛藏與屬於衍生性質的品質需求落實在系統則是一個知識與經驗密集的過程。本研究以全面品質展開為理論基礎、應用本體論（Ontology）先建構出一個知識與經驗導向的資訊系統品質本體（Web Quality Ontology）模型、並據以發展出針對網站系統開發的品質推論系統（Online Quality Functional Deployment for Web Systems簡為OWQFunc）。有別於現有其他方式僅做到品質向度與品質需求的推薦，OWQFunc透過上述本體模型之規則設計、推論引擎以及另外所提出的網頁行為塑模（Web-page behaviors），可協助軟體開發人員在系統的開發過程中能更完整地將組織經驗帶入而導出具體實作方式。本研究並以一台灣電子化政府資訊服務系統之實際開發案例來展示本研究所建構的資訊系統本體。 出版者： 台灣: 社團法人中華民國資訊管理學會 出版日期： 2014-01-01 出處： 資訊管理學報, 2014-01, Vol.21 (1), p.45-81 資源來源： Airiti Library 識別號： ISSN: 1608-5752 <br> https://ir.lib.ncu.edu.tw/handle/987654321/107176 title: 應用本體論來協助軟體專案進行流程調適 abstract: 摘要： 對於軟體開發管理而言，組織通常會建立流程標準來讓各軟體專案據以執行。但鑒於軟體開發的獨特性，並非一套標準流程就可以完全套用在所有的軟體專案上。因此，企業組織需要訂定一套流程調適準則，讓專案成員根據不同專案所面臨的情境，依據調適準則而去調整實際的作法。然而，軟體流程調適是一個知識密集的活動，調適準則的制定或引用乃需要組織經驗方能提供適切的調適建議。故本研究嘗試建立一個以規則為基底的決策支援系統，運用本體論（Ontology）來建置一個知識與經驗導向的軟體流程本體模型，並據以發展出軟體專案流程調適推薦系統（Ontology-based software process tailoringrecommendation system; OntoSPRS）。本系統透過推論規則的設計，收集調適經驗，並以推論引擎對知識本體進行推論並產生調適策略，可協助專案成員在軟體開發過程中能更完整地將組織經驗帶入而導出具體實作方方式。本研究並以一國內物流公司雲端企業資源規劃系統之實際案例來展示本研究所建構的軟體流程本體。 出版者： 台灣: 社團法人中華民國資訊管理學會 出版日期： 2016-10-01 出處： 資訊管理學報, 2016-10, Vol.23 (4), p.377-405 資源來源： Airiti Library (AL) 識別號： ISSN: 1608-5752 <br> https://ir.lib.ncu.edu.tw/handle/987654321/107171 title: 應用本體論來協助軟體專案進行流程調適 abstract: 摘要： 對於軟體開發管理而言，組織通常會建立流程標準來讓各軟體專案據以執行。但鑒於軟體開發的獨特性，並非一套標準流程就可以完全套用在所有的軟體專案上。因此，企業組織需要訂定一套流程調適準則，讓專案成員根據不同專案所面臨的情境，依據調適準則而去調整實際的作法。然而，軟體流程調適是一個知識密集的活動，調適準則的制定或引用乃需要組織經驗方能提供適切的調適建議。故本研究嘗試建立一個以規則為基底的決策支援系統，運用本體論（Ontology）來建置一個知識與經驗導向的軟體流程本體模型，並據以發展出軟體專案流程調適推薦系統（Ontology-based software process tailoringrecommendation system; OntoSPRS）。本系統透過推論規則的設計，收集調適經驗，並以推論引擎對知識本體進行推論並產生調適策略，可協助專案成員在軟體開發過程中能更完整地將組織經驗帶入而導出具體實作方方式。本研究並以一國內物流公司雲端企業資源規劃系統之實際案例來展示本研究所建構的軟體流程本體。 出版者： 台灣: 社團法人中華民國資訊管理學會 出版日期： 2016-10-01 出處： 資訊管理學報, 2016-10, Vol.23 (4), p.377-405 資源來源： Airiti Library (AL) 識別號： ISSN: 1608-5752 <br> https://ir.lib.ncu.edu.tw/handle/987654321/107167 title: 混合複數類神經模糊與自動回歸差分平均移動方法之智慧 型時間序列預測模型 Intelligent time series forecasting model combining complex neuro-fuzzy computing model and ARIMA method abstract: 摘要： 本研究提出一個複數模糊類神經系統（CNFS），其結合複數模糊集合、類神經模糊系統以及差分自回歸移動平均模型（ARIMA），形成CNFS-ARIMA模型並應用於時間序列預測之研究。為了更新CNFS-ARIMA模型之參數，本研究提出一複合式進化式學習演算法，其結合粒子群最佳化演算法與遞迴最小平方估計之學習方法；其中，粒子群最佳化演算法用來調整系統的前鑑部參數，而遞迴最小平方估計用以更新系統之後鑑部參數。為了測試本研究所提出之方法的效能，使用兩個標竿時間序列資料集作為實驗範例。在實驗中，將比較並分析本研究所提出之CNFS（複數型）以及其傳統的NFS（實數型）之效能差異，並與文獻所提出之方法進行比較。由實驗結果可證實本研究所提出之系統方法可以獲得良好的效能。 出版者： 台灣: 中華企業資源規劃學會 出版日期： 2013-03-01 出處： 電子商務學報, 2013-03, Vol.15 (1), p.137-158 資源來源： 華藝CEPS中文電子期刊服務 識別號： ISSN: 1816-6598 識別號： DOI: 10.6188/JEB.2013.15(1).03 <br>