看屋買房賣房和房仲情報站論文書籍站
國立臺灣大學 機械工程學研究所 詹魁元所指導 陳宥廷的 基於距離之時間序列分析與模板匹配應用於人體下肢動作識別 （2020），提出階層圖模板word關鍵因素是什麼，來自於人體下肢運動、動作識別、相似度量測、時間序列、模板匹配、動態時間扭曲、Move-Split-Merge、費雪拉奧度量、時間歸整、多變量泛函主成分分析、人體運動生成。
而第二篇論文國立臺北科技大學 電機工程系 練光祐所指導 林豪泰的 基於模板韻律特徵之英語口說語調轉換系統 （2018），提出因為有 英語口說訓練、語調轉換、韻律特徵、影子法、語音分段的重點而找出了 階層圖模板word的解答。
基於距離之時間序列分析與模板匹配應用於人體下肢動作識別
為了解決階層圖模板word 的問題，作者陳宥廷 這樣論述：
人體動作識別可以應用於復健、長照、監測、娛樂與人機互動等多個領域，其資料大多是以時間序列的方式呈現，根據資料來源可分為基於影像和基於穿戴式感測器，在大數據與人工智慧領域中，是熱門的研究主題。本研究希望以一種直觀的方式，不依賴神經網路或機器學習方法，透過分析人體運動的關節角度變化曲線，來了解人體如何動作。本研究關注於相似度量測與時間歸整（Temperal Alignment）處理，使用時間序列的距離量度，包含歐氏距離、動態時間扭曲、Move-Split-Merge 和費雪拉奧度量，並使用多變量泛函主成分分析來分析動作曲線。全文可以分成三個部分。第一部分是動作資料的蒐集，透過 Vicon 動作捕
捉系統蒐集運動資料，在 OpenSim 中建立人體模型，計算下肢六個關節在屈曲-伸展軸的旋轉角度，以這六個角度的時間序列來描述人體下肢動作。第二部分是關於動作模板的建立與分析，本研究包含 10 個常見的下肢動作，利用時間歸整方法，依據不同的距離量度來調整動作樣本，時間歸整的目的在降低樣本的時間偏移和速度變異，對齊樣本中的主要輪廓。接著以歸整後的樣本建立動作模板，分析不同樣本類別的距離分布。第三部分是模板匹配的試驗，本研究提出一個相似度評分方法，基於時間序列的距離量測，結合 softmax 函數與鐘型函數，將動作進行分類並同時能有效去除離群值。本研究設計了 4 組動作情境做為測試，其中包含由人工
生成的動作情境，透過主成分分析和時間扭曲方法可以隨機生成動作樣本。結果顯示，本研究提出的相似度評分方法是可行的，並以動態時間扭曲（DTW）的效果最佳，即使在包含雜訊的情境中，也能維持表現。
基於模板韻律特徵之英語口說語調轉換系統
為了解決階層圖模板word 的問題，作者林豪泰 這樣論述：
目前的電腦輔助語言學習系統 (Computer-Assisted Language Learning, CALL)並未考慮到語調對於口說表達的重要性，導致外語學習者即使有著不錯的發音，但聽起來還是與母語者有明顯差異，顯得不夠道地。本論文希望建立一個旨在增進溝通與口語流暢性的電腦輔助語言學習系統。本論文以口說練習常見的「影子法」(Shadowing)為基礎，將學習者所錄製的跟讀語音修改其語調並輸出回饋供學習者參考。語調變化的單位可以短至字詞，長至語句。傳統的語音活動檢測 (Voice Activity Detection, VAD)僅能針對語音的頻譜能量找出語句區間。本系統透過自行設計以MFC
C特徵比對為基礎的分段方法，可以在不需要文本資訊的情況下，將語句劃分至字詞級別的小單位，進行更精細的韻律特徵調整。分別透過修改四種與語調自然性有關的超音段韻律特徵：用來調節不同語速的時長 (Duration)、語句中代表字詞高低起伏的音高 (Pitch)、詞語間的停頓點 (Pause/Silence)、因應語句重音變化而改變的響度 (Loudness)，希望能將學習者的跟讀語音轉換成與模板語音相仿的語調並仍保有自己的音色。最後再針對修改過後的語音與學習者的原始語音進行比較分析與提供回饋，幫助自學者獨立完成口說的語調訓練。