本文摘要:本網(wǎng)絡工程論文將主成分分析法、聚類分析法與BP神經(jīng)網(wǎng)絡模型相結(jié)合,對割草機產(chǎn)品造型設(shè)計與感性意象之間的關(guān)系進行分析,為產(chǎn)品造型設(shè)計符合目標消費群體需求提供客觀評價幫助.但是本文只針對割草機的主要產(chǎn)品造型要素進行了試驗,隨著研究方法及科技的不斷
本網(wǎng)絡工程論文將主成分分析法、聚類分析法與BP神經(jīng)網(wǎng)絡模型相結(jié)合,對割草機產(chǎn)品造型設(shè)計與感性意象之間的關(guān)系進行分析,為產(chǎn)品造型設(shè)計符合目標消費群體需求提供客觀評價幫助.但是本文只針對割草機的主要產(chǎn)品造型要素進行了試驗,隨著研究方法及科技的不斷進步,結(jié)合色彩、材質(zhì)、紋理甚至人機工程學等綜合因素的研究將成為下一步的研究重點.基于神經(jīng)網(wǎng)絡的意象認知模型,還存在一定局限性,隨著科技的發(fā)展,結(jié)合認知心理學、腦科學、人工智能等技術(shù)和方法將使相關(guān)研究得到更深入的發(fā)展.
《計算機周刊》堅持為社會主義服務的方向,堅持以馬克思列寧主義、毛澤東思想和鄧小平理論為指導,貫徹“百花齊放、百家爭鳴”和“古為今用、洋為中用”的方針,堅持實事求是、理論與實際相結(jié)合的嚴謹學風,傳播先進的科學文化知識,弘揚民族優(yōu)秀科學文化,促進國際科學文化交流,探索防災科技教育、教學及管理諸方面的規(guī)律,活躍教學與科研的學術(shù)風氣,為教學與科研服務。
為更全面準確地評價產(chǎn)品造型設(shè)計,在近幾年國內(nèi)外產(chǎn)品評價系統(tǒng)研究的基礎(chǔ)上,綜合運用主成分分析法、聚類分析法、BP神經(jīng)網(wǎng)絡技術(shù),對產(chǎn)品設(shè)計造型要素的感性意象進行定量化研究,建立和完善了產(chǎn)品設(shè)計評價的神經(jīng)網(wǎng)絡模型.并以園林工具割草機產(chǎn)品設(shè)計為例訓練模型,驗證了模型的可行性和有效性.
關(guān)鍵詞:
產(chǎn)品設(shè)計評價;主成分分析;聚類分析;BP神經(jīng)網(wǎng)絡;感性工學
產(chǎn)品造型設(shè)計和評價是產(chǎn)品設(shè)計開發(fā)過程中的重要組成部分.近年來,國內(nèi)外學者結(jié)合感性工學對產(chǎn)品造型設(shè)計和產(chǎn)品造型評價進行了大量的研究.產(chǎn)品造型設(shè)計是一項復雜的系統(tǒng)運行過程,除受客觀條件如經(jīng)濟、技術(shù)、構(gòu)造等要素的影響外,同時,社會審美、目標消費群的偏好、設(shè)計師經(jīng)驗、背景等因素也相互影響[1].人工神經(jīng)網(wǎng)絡是伴隨著生物學、數(shù)學、計算機等學科的發(fā)展而產(chǎn)生的一門新興的綜合交叉性學科.其中,最常見的是BP神經(jīng)網(wǎng)絡,它具備任意精度的函數(shù)逼近能力,具有自組織、自適應、自學習、高度非線性映射性、泛化性、容錯性的優(yōu)點[2].BP神經(jīng)網(wǎng)絡因其很強的學習能力、抗故障性、并行性的優(yōu)點,特別適合于解決上述非線性很高的復雜系統(tǒng).割草機產(chǎn)品應用具有較強的地域性和個性化的消費者群細分,造型設(shè)計目前未形成系統(tǒng)的理論和方法.將BP神經(jīng)網(wǎng)絡法和遺傳算法等應用于產(chǎn)品造型設(shè)計的評價系統(tǒng)中尚屬于摸索階段.文獻[3]提出了BP神經(jīng)網(wǎng)絡技術(shù)與產(chǎn)品評價系統(tǒng)結(jié)合的可行性.文獻[4]通過將遺傳算法與神經(jīng)網(wǎng)絡相結(jié)合,進一步優(yōu)化了產(chǎn)品設(shè)計評價模型的精度.產(chǎn)品造型設(shè)計與評價是個復雜的過程,需要多層次的系統(tǒng)分析.為此,本文將綜合運用主成分分析法、聚類分析法與BP神經(jīng)網(wǎng)絡技術(shù),定量地研究感性意象與產(chǎn)品造型設(shè)計之間的關(guān)系.以園林工具割草機產(chǎn)品為例,把產(chǎn)品造型要素的集合分組為由類似對象組成的多個類,分析影響割草機產(chǎn)品感性意象的主要造型特征,基于MatlabR2014a平臺,建立BP神經(jīng)網(wǎng)絡模型,檢測產(chǎn)品造型與目標消費者群體偏好之間的對應關(guān)系,以驗證和提高產(chǎn)品設(shè)計評價模型的可行性和準確度.
1研究流程
本文以割草機產(chǎn)品為例,綜合應用主成分分析、聚類分析方法和BP神經(jīng)網(wǎng)絡技術(shù),對感性意象進行定量化研究,建立和完善產(chǎn)品造型特征與感性意象關(guān)系評價的神經(jīng)網(wǎng)絡模型.研究流程如圖1所示.具體流程如下:
(1)通過網(wǎng)絡調(diào)研并篩選得到描述割草機外形的形容詞.
(2)通過網(wǎng)絡搜集各國割草機圖片樣本,對圖片進行去色、去標志處理,排除顏色和品牌對試驗樣本的影響.
(3)把7點量表建立在已經(jīng)選擇出來的感性意象形容詞上,讓每個測試者針對這些選定的形容詞對每個試驗樣本打分.將試驗所得數(shù)據(jù)運用主成分分析,并結(jié)合專家意見,確定最終描述詞匯.
(4)將樣本進行聚類分析,并通過專家對同類內(nèi)樣本共同特征的提取,明確影響割草機外形意象的造型特征,并分析各造型特征組合與感性意象的關(guān)系.
(5)建立BP神經(jīng)網(wǎng)絡模型,以試驗數(shù)據(jù)訓練神經(jīng)網(wǎng)絡模型.
(6)神經(jīng)網(wǎng)絡準確率檢測,總結(jié)分析.
2割草機外觀特征與感性意象認知關(guān)系量化試驗
2.1試驗準備
通過調(diào)研,共搜集整理近5年銷售生產(chǎn)的割草機產(chǎn)品圖片150張,分別來自不同國家和地區(qū).對圖片進行去色、去標志處理,以排除顏色、品牌及其他因素對試驗樣本的影響.利用KJ法[5]篩選得到20個圖片樣本,部分樣本圖片如圖2所示.經(jīng)過表1的分析可以得到形容詞的意象空間,專家設(shè)計師結(jié)合這一意象空間進行總結(jié)和分析,得到其3個維度上的感性意象描述形容詞,分別為“科技-落后”“樸素-華麗”“易用-復雜”.
2.3關(guān)鍵造型特征提取和聚類分析
將意象空間的樣本進行聚類分析,把產(chǎn)品造型要素的集合分組為由類似的對象組成的多個類,分析影響割草機產(chǎn)品感性意象的主要造型特征.通過專家設(shè)計師評價和問卷調(diào)查統(tǒng)計,抽取同類樣本內(nèi)的共同特征,得到最主要的影響割草機感性意象的造型特征.聚類分析的結(jié)果如表2所示.
3BP神經(jīng)網(wǎng)絡模型建立、訓練、預測
3.1BP神經(jīng)網(wǎng)絡模型建立
選用MatlabR2014a為平臺進行BP神經(jīng)網(wǎng)絡結(jié)構(gòu)的建立與模擬,其模型如圖3所示.通過歷史數(shù)據(jù)的訓練,用以檢測產(chǎn)品造型與其感性意向的對應關(guān)系,建立產(chǎn)品造型設(shè)計評價體系.經(jīng)過數(shù)次預先進行的試驗,確定神經(jīng)網(wǎng)絡結(jié)構(gòu)為3層,輸入層(包含2個節(jié)點)、隱含層(包含4個節(jié)點)、輸出層(包含1個節(jié)點).輸入層是2個設(shè)計元素的編號組合,輸出層是關(guān)于“科技的-落后的”這個語匯對的感性意象評價值.
3.2BP神經(jīng)網(wǎng)絡模型訓練設(shè)置
BP神經(jīng)網(wǎng)絡的學習次數(shù)為5000次,采用梯度下降法,目標誤差值為0.001,訓練結(jié)果采用均方誤差衡量,將表4中樣本1#~15#的數(shù)據(jù)導入建立的網(wǎng)絡,訓練BP神經(jīng)網(wǎng)絡,在1753次訓練時結(jié)果收斂,停止訓練,其訓練的結(jié)果如圖4所示.由圖4可得,其實際訓練的誤差值為0.00908.
3.3BP神經(jīng)網(wǎng)絡模型測試選用
表4中樣本16#~20#測試神經(jīng)網(wǎng)絡預測能力,即將5個樣本造型特征組合導入網(wǎng)絡的輸入層,將調(diào)查得到的數(shù)據(jù)與神經(jīng)網(wǎng)絡預測的感性評價值進行對比,結(jié)果如表5所示.由表5可見,實際感性評價值與預測感性評價值相對誤差較小,說明網(wǎng)絡精度達到要求,驗證了割草機產(chǎn)品評價模型的可行性和有效性.
轉(zhuǎn)載請注明來自發(fā)表學術(shù)論文網(wǎng):http:///dzlw/11157.html