感性工学计算机辅助决策系统研究.docVIP

感性工学计算机辅助决策系统研究.doc

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
感性工学计算机辅助决策系统研究

感性工学计算机辅助决策系统研究   摘要:感性工学是一种以消费者为导向的产品开发新工效学技术。它重视消费者的情感和感官上的需求,将其量化成数据,并映射成设计元素。本文通过简单介绍感性工学的研究流程及研究方法,运用计算机语言建立一个基于感性工学的网络分析系统,通过网络开展在线用户调研,并将各种数据统计分析方法(多维尺度分析、聚类分析、因子分析)集成于系统之中,挖掘消费者对产品的心理感受。   关键词:感性工学 计算机辅助 多维尺度分析 聚类分析 因子分析      0 前言   感性工学基本上可以定义为:以工学的手法,设法将人的各种感性定量化(感性量),再寻找出这个感性量与工学中所使用的各种物理量之间的函数关系,作为工程研究的基础。随着产品设计与制造技术的成熟化,产品由“生产导向”转变到今天的“消费导向”。产品“精神”方面的表现越来越受到重视。针对这一改变,设计者在进行设计之前必须了解消费者对产品的感性方面的需求,运用类似感性工学的方法量化消费者的感性需求,以达到准确掌握消费者感性需求,协助设计者进行产品设计的目的。因此要协助设计者进行产品设计,将感性工学实际应用于产品造型设计过程中,构建计算机辅助决策系统有其重要的指导作用。本研究希望通过构建计算机辅助决策系统,使整个感性工学的分析过程对设计者透明,设计者通过该系统对网络调研结果的分析操作即可了解消费者对产品的感性方面的需求,进而进行下一步的产品设计开发工作。      1 计算机辅助决策系统的实现   计算机辅助决策系统主要是通过收集产品样本图片,感性意象语意资料,并结合产品的基本造型设计元素进行多次用户调研,经过系统的分析调研结果,获取产品的设计元素,进而得出符合用户感性需求的产品,最后进行方案评价试验,检验系统的可信度,以达到辅助设计者进行设计方案评估与修正的作用。整个系统的体系结构如图1所示。    1.1系统模块组成   结合计算机辅助决策系统的体系结构与感性工学的理论,可以将该系统划分为四个模块,分别为:用户调研模块、代表样本生成模块、代表意象语义生成模块、设计元素分析、校验模块。系统的模块关系如图2所示。我们主要分析用户调研模块、代表样本生成模块、代表意象语意生成模块涉及的统计分析方法的详细实现过程。   1.2 用户调研模块的实现   用户调研模块是系统中其他模块的数据分析的数据输入基础,在该模块中主要涉及到主观分组法和语意差异法(SD法)。   (1)主观分组法;主观分组法是生成代表性样本模块数据收集的方法。主观分组法[2]预先给定将需要分析的所有产品样本分成不同的种类k,并将每个产品样本在系统的显示界面上列出来,然后要求应答用户根据自己的意见将产品样本分成k个他认为是不同种类的组。因此每组内的产品样本非常相似,而不同组的产品样本则有差异。每个应答用户的结果列成一个以1和0构成的矩阵,该矩阵的对角线元素为1,如果行产品样本i与列产品样本j属于同一组,则该矩阵的i行和j列元素为1;若两者不属于同一个组,则该矩阵的i行和j列元素为0(只需要考虑i≥j的情况)。例如 Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ五种产品样本分成两组,应答用户的意见是Ⅰ、Ⅱ、Ⅳ为一组,Ⅲ、Ⅴ为一组,则矩阵形式如下式所示。   将所有应答用户的矩阵对应元素相加起来,就可以得到生成代表性样本模块所需要的数据输入――各产品样本间的相似次序矩阵。   (2)语意差异法;语意差异法(简称SD法)是心理度量上最常用的方法[3]。SD法的实施主要是由被测试的“对象”、“评估尺度”形容词以及“被试者”所组成的。“评估尺度”亦即前面提到的感性意象语意,一般选择数量范围为9-30个,评估尺度所选择的等级阶数必须是奇数(3、5、7、9……),这是为了能产生“尺度中点”,一般常用的是5阶尺度或是7阶尺度;被试者数量一般应该达到30个以上,以得到比较稳定的数据。对于一个5阶评估尺度,评分值为从-3到3的整数分布,O点代表着评估尺度的中点,从中点往两边出发,偏离中点越远,代表越是符合尺度方向上的描述。   1.3生成代表性样本模块的实现   (1)多维尺度法;多维尺度法处理的一般是表示事物之间的接近性(proximity)的观察数据,既可以是实际距离,也可以是主观评判的相似性。其目的是要发现决定多个事物之间“距离”的潜在维度,用较少的变量对事物之间的相似性或称“距离”作出解释[4]。本论文由于要将多个产品划分为几个大类,并从中挑取代表性样本,这就需要通过计算各产品在相对坐标空间中对应点的相对距离,以相对距离来反映各产品样本之间的相似度。因此,本论文采用多元尺度法研究产品样本的相似度,并进行排序形成产品样本的空间描述,为产品样本的样本分群操作做好数据准备。多元尺度法的基本思想是将消费者对各种产品样本的偏好

文档评论(0)

erterye + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档