Browsing by Author "林昆賢"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    利用固相合成建立a-GalCer化合物分子庫
    (2005) 林昆賢
    本論文中，探討自然殺手T細胞活化劑a-GalCer衍生物的合成，嘗試以D-Lyxose為起始物，快速建立出phytosphingosine上三個立體中心的架構，並以Wittig反應建構出末端雙鍵以供後期固相合成時，可以利用歧化反應去自由的變換phytosphingosine上長碳鏈之鏈長度，而藉由固相合成可以大量製備衍生物且免除繁瑣之純化手續。 然而預留之末端雙鍵卻對疊氮基之置換造成影響，合成策略經此便修正為先置換上疊氮基再做末端雙鍵的建構，但Wittig-Honer反應的結果不盡理想，為兼顧效率，並整合先前的流程再加以修正，終於以環合歧化反應克服難題，成功地建構出醣受體單元。在醣基化反應後也順利獲得核心結構，則先在液相反應條件下檢視末端雙鍵是否可以如預期般地進行歧化反應。
  • No Thumbnail Available
    Item
    汽車再辨識系統
    (2015) 林昆賢; Lin, Kun-Hsien
    根據統計資料顯示，目前全世界汽車約有七億輛左右，按全世界人口平均約九人就有一輛汽車。隨著汽車的普及化，各國交通運輸相關單位也開始注重交通資訊方面的蒐集及提供。本研究發展汽車的再辨識技術，此技術可以提供許多應用。在短程應用方面，可以從事車輛大範圍的追蹤，協助治安偵防、交流量監控以及號誌控制等；而在長程應用方面，可以蒐集路段的交通參數，如旅行時間、路佔率、交流量以及平均車流速度等，提供給運輸業者或是交通局做長期的規劃及決策所使用。 本研究提出用影像來從事汽車的再辨識。而使用影像有以下好處：硬體架設方便，只需要架設路口監視器即可，並且影像可以提供非常多額外的資訊，像是車輛顏色、車輛長度或是車輛型號等。此系統軟體部份由二大步驟所組成，分別是車輛偵測及車輛匹配。 在車輛偵測的部份是採用建立高斯混合背景模型(Gaussian Mixture Background Model)找出畫面上的前景物。再利用隨機決策森林(Random Forest)有效的將前景物進行分類，主要分成三個類別，分別為小型車(包含轎車和箱型車等)、大型車(包含公車及卡車)以及非汽車類。接著利用粒子群聚最佳化(Particle Swarm Optimization)做車輛的追蹤，目的是要確保系統不會將相同車輛重覆儲存。接著利用Time Window的限制，從上游資料庫中找出可能與下游車輛相似的候選車輛，最後透過二分圖匹配(Bipartite Matching)，將下游車輛與上游的候選車輛做匹配，即可辨識出哪些車輛通過上／下游。最後統計有通過上／下游的車輛，計算這些車輛配對的相對應關係，得到此路段的交通參數。