長榮減資缺點的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

股票購回宣告效果之研究－BCG模型觀點

為了解決長榮減資缺點的問題，作者黃心怡 這樣論述：

為探討臺灣上市、櫃公司實施股票購回計畫之宣告效果，研究期間自2000年8月至2014年12月止，先以BCG矩陣之市場佔有率及營收成長率，將公司區分為明星事業、金牛事業、落水狗事業以及問題事業，利用事件研究法驗證公司實施股票購回後，其股價短期與長期之反應。 研究結果發現在股票購回宣告前股價被低估，宣告後則具有正向反應，不同事業的宣告強度有所差別，在短期宣告績效表現，低市佔率與低成長率的落水狗事業宣告後異常報酬最高，其次金牛事業、明星事業，最低者為問題事業；在長期宣告績效表現，高市佔率與低成長率的金牛事業宣告後異常報酬最高，其次落水狗事業、明星事業，最低者為問題事業。

應用資料探勘分類技術預測胎兒窘迫

為了解決長榮減資缺點的問題，作者徐永諺 這樣論述：

胎兒窘迫是指胎兒在母體內因急性或慢性缺氧而危及健康與生命，會造成新生兒的自主神經系統受損，而產生腦性麻痺的後遺症，若長時間缺氧甚至會導致胎兒窒息死亡，胎兒窘迫通常使用產前心率記錄圖觀測胎心率的變化以判斷是否有胎兒窘迫的現象發生。資料探勘是針對大量的資料進行處理，以得到存在於資料中的知識。因此本研究應用資料探勘的分類技術建構模型，並對產前心率記錄圖資料進行分析，以達到輔助臨床醫生診斷胎兒窘迫的目的。所使用的分類技術包含判別分析、決策樹及倒傳遞類神經網路，並將其結果相互比較，其中倒傳遞類神經網路在隱藏層中，使用不同的神經元個數並搭配不同轉換函數的組合，並搭配主成份分析縮減資料維度。判別分析所獲得

分類準確率為82.03%；決策樹模型所獲得之分類準確率為86.36%；而使用連續型變數資料、所有變數資料及萃取之主成份建構倒傳遞類神經網路模型，所獲得之最高分類準確率分別為96.65%、97.70%及97.29%，期望可使用所建構之分類模型有效預測胎兒窘迫的發生。