本文摘要：本網(wǎng)絡(luò)工程論文將主成分分析法、聚類分析法與BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，對(duì)割草機(jī)產(chǎn)品造型設(shè)計(jì)與感性意象之間的關(guān)系進(jìn)行分析，為產(chǎn)品造型設(shè)計(jì)符合目標(biāo)消費(fèi)群體需求提供客觀評(píng)價(jià)幫助.但是本文只針對(duì)割草機(jī)的主要產(chǎn)品造型要素進(jìn)行了試驗(yàn)，隨著研究方法及科技的不斷
本網(wǎng)絡(luò)工程論文將主成分分析法、聚類分析法與BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，對(duì)割草機(jī)產(chǎn)品造型設(shè)計(jì)與感性意象之間的關(guān)系進(jìn)行分析，為產(chǎn)品造型設(shè)計(jì)符合目標(biāo)消費(fèi)群體需求提供客觀評(píng)價(jià)幫助.但是本文只針對(duì)割草機(jī)的主要產(chǎn)品造型要素進(jìn)行了試驗(yàn)，隨著研究方法及科技的不斷進(jìn)步，結(jié)合色彩、材質(zhì)、紋理甚至人機(jī)工程學(xué)等綜合因素的研究將成為下一步的研究重點(diǎn).基于神經(jīng)網(wǎng)絡(luò)的意象認(rèn)知模型，還存在一定局限性，隨著科技的發(fā)展，結(jié)合認(rèn)知心理學(xué)、腦科學(xué)、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(jì)算機(jī)周刊》堅(jiān)持為社會(huì)主義服務(wù)的方向，堅(jiān)持以馬克思列寧主義、毛澤東思想和鄧小平理論為指導(dǎo)，貫徹“百花齊放、百家爭(zhēng)鳴”和“古為今用、洋為中用”的方針，堅(jiān)持實(shí)事求是、理論與實(shí)際相結(jié)合的嚴(yán)謹(jǐn)學(xué)風(fēng)，傳播先進(jìn)的科學(xué)文化知識(shí)，弘揚(yáng)民族優(yōu)秀科學(xué)文化，促進(jìn)國(guó)際科學(xué)文化交流，探索防災(zāi)科技教育、教學(xué)及管理諸方面的規(guī)律，活躍教學(xué)與科研的學(xué)術(shù)風(fēng)氣，為教學(xué)與科研服務(wù)。
為更全面準(zhǔn)確地評(píng)價(jià)產(chǎn)品造型設(shè)計(jì)，在近幾年國(guó)內(nèi)外產(chǎn)品評(píng)價(jià)系統(tǒng)研究的基礎(chǔ)上，綜合運(yùn)用主成分分析法、聚類分析法、BP神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)產(chǎn)品設(shè)計(jì)造型要素的感性意象進(jìn)行定量化研究，建立和完善了產(chǎn)品設(shè)計(jì)評(píng)價(jià)的神經(jīng)網(wǎng)絡(luò)模型.并以園林工具割草機(jī)產(chǎn)品設(shè)計(jì)為例訓(xùn)練模型，驗(yàn)證了模型的可行性和有效性.
關(guān)鍵詞：
產(chǎn)品設(shè)計(jì)評(píng)價(jià);主成分分析;聚類分析;BP神經(jīng)網(wǎng)絡(luò);感性工學(xué)
產(chǎn)品造型設(shè)計(jì)和評(píng)價(jià)是產(chǎn)品設(shè)計(jì)開發(fā)過(guò)程中的重要組成部分.近年來(lái)，國(guó)內(nèi)外學(xué)者結(jié)合感性工學(xué)對(duì)產(chǎn)品造型設(shè)計(jì)和產(chǎn)品造型評(píng)價(jià)進(jìn)行了大量的研究.產(chǎn)品造型設(shè)計(jì)是一項(xiàng)復(fù)雜的系統(tǒng)運(yùn)行過(guò)程，除受客觀條件如經(jīng)濟(jì)、技術(shù)、構(gòu)造等要素的影響外，同時(shí)，社會(huì)審美、目標(biāo)消費(fèi)群的偏好、設(shè)計(jì)師經(jīng)驗(yàn)、背景等因素也相互影響[1].人工神經(jīng)網(wǎng)絡(luò)是伴隨著生物學(xué)、數(shù)學(xué)、計(jì)算機(jī)等學(xué)科的發(fā)展而產(chǎn)生的一門新興的綜合交叉性學(xué)科.其中，最常見的是BP神經(jīng)網(wǎng)絡(luò)，它具備任意精度的函數(shù)逼近能力，具有自組織、自適應(yīng)、自學(xué)習(xí)、高度非線性映射性、泛化性、容錯(cuò)性的優(yōu)點(diǎn)[2].BP神經(jīng)網(wǎng)絡(luò)因其很強(qiáng)的學(xué)習(xí)能力、抗故障性、并行性的優(yōu)點(diǎn)，特別適合于解決上述非線性很高的復(fù)雜系統(tǒng).割草機(jī)產(chǎn)品應(yīng)用具有較強(qiáng)的地域性和個(gè)性化的消費(fèi)者群細(xì)分，造型設(shè)計(jì)目前未形成系統(tǒng)的理論和方法.將BP神經(jīng)網(wǎng)絡(luò)法和遺傳算法等應(yīng)用于產(chǎn)品造型設(shè)計(jì)的評(píng)價(jià)系統(tǒng)中尚屬于摸索階段.文獻(xiàn)[3]提出了BP神經(jīng)網(wǎng)絡(luò)技術(shù)與產(chǎn)品評(píng)價(jià)系統(tǒng)結(jié)合的可行性.文獻(xiàn)[4]通過(guò)將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，進(jìn)一步優(yōu)化了產(chǎn)品設(shè)計(jì)評(píng)價(jià)模型的精度.產(chǎn)品造型設(shè)計(jì)與評(píng)價(jià)是個(gè)復(fù)雜的過(guò)程，需要多層次的系統(tǒng)分析.為此，本文將綜合運(yùn)用主成分分析法、聚類分析法與BP神經(jīng)網(wǎng)絡(luò)技術(shù)，定量地研究感性意象與產(chǎn)品造型設(shè)計(jì)之間的關(guān)系.以園林工具割草機(jī)產(chǎn)品為例，把產(chǎn)品造型要素的集合分組為由類似對(duì)象組成的多個(gè)類，分析影響割草機(jī)產(chǎn)品感性意象的主要造型特征，基于MatlabR2014a平臺(tái)，建立BP神經(jīng)網(wǎng)絡(luò)模型，檢測(cè)產(chǎn)品造型與目標(biāo)消費(fèi)者群體偏好之間的對(duì)應(yīng)關(guān)系，以驗(yàn)證和提高產(chǎn)品設(shè)計(jì)評(píng)價(jià)模型的可行性和準(zhǔn)確度.
1研究流程
本文以割草機(jī)產(chǎn)品為例，綜合應(yīng)用主成分分析、聚類分析方法和BP神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)感性意象進(jìn)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(píng)價(jià)的神經(jīng)網(wǎng)絡(luò)模型.研究流程如圖1所示.具體流程如下：
(1)通過(guò)網(wǎng)絡(luò)調(diào)研并篩選得到描述割草機(jī)外形的形容詞.
(2)通過(guò)網(wǎng)絡(luò)搜集各國(guó)割草機(jī)圖片樣本，對(duì)圖片進(jìn)行去色、去標(biāo)志處理，排除顏色和品牌對(duì)試驗(yàn)樣本的影響.
(3)把7點(diǎn)量表建立在已經(jīng)選擇出來(lái)的感性意象形容詞上，讓每個(gè)測(cè)試者針對(duì)這些選定的形容詞對(duì)每個(gè)試驗(yàn)樣本打分.將試驗(yàn)所得數(shù)據(jù)運(yùn)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(jìn)行聚類分析，并通過(guò)專家對(duì)同類內(nèi)樣本共同特征的提取，明確影響割草機(jī)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(luò)模型，以試驗(yàn)數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型.
(6)神經(jīng)網(wǎng)絡(luò)準(zhǔn)確率檢測(cè)，總結(jié)分析.
2割草機(jī)外觀特征與感性意象認(rèn)知關(guān)系量化試驗(yàn)
2.1試驗(yàn)準(zhǔn)備
通過(guò)調(diào)研，共搜集整理近5年銷售生產(chǎn)的割草機(jī)產(chǎn)品圖片150張，分別來(lái)自不同國(guó)家和地區(qū).對(duì)圖片進(jìn)行去色、去標(biāo)志處理，以排除顏色、品牌及其他因素對(duì)試驗(yàn)樣本的影響.利用KJ法[5]篩選得到20個(gè)圖片樣本，部分樣本圖片如圖2所示.經(jīng)過(guò)表1的分析可以得到形容詞的意象空間，專家設(shè)計(jì)師結(jié)合這一意象空間進(jìn)行總結(jié)和分析，得到其3個(gè)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(fù)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(jìn)行聚類分析，把產(chǎn)品造型要素的集合分組為由類似的對(duì)象組成的多個(gè)類，分析影響割草機(jī)產(chǎn)品感性意象的主要造型特征.通過(guò)專家設(shè)計(jì)師評(píng)價(jià)和問(wèn)卷調(diào)查統(tǒng)計(jì)，抽取同類樣本內(nèi)的共同特征，得到最主要的影響割草機(jī)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(luò)模型建立、訓(xùn)練、預(yù)測(cè)
3.1BP神經(jīng)網(wǎng)絡(luò)模型建立
選用MatlabR2014a為平臺(tái)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的建立與模擬，其模型如圖3所示.通過(guò)歷史數(shù)據(jù)的訓(xùn)練，用以檢測(cè)產(chǎn)品造型與其感性意向的對(duì)應(yīng)關(guān)系，建立產(chǎn)品造型設(shè)計(jì)評(píng)價(jià)體系.經(jīng)過(guò)數(shù)次預(yù)先進(jìn)行的試驗(yàn)，確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3層，輸入層(包含2個(gè)節(jié)點(diǎn))、隱含層(包含4個(gè)節(jié)點(diǎn))、輸出層(包含1個(gè)節(jié)點(diǎn)).輸入層是2個(gè)設(shè)計(jì)元素的編號(hào)組合，輸出層是關(guān)于“科技的-落后的”這個(gè)語(yǔ)匯對(duì)的感性意象評(píng)價(jià)值.
3.2BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練設(shè)置
BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)次數(shù)為5000次，采用梯度下降法，目標(biāo)誤差值為0.001，訓(xùn)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(dǎo)入建立的網(wǎng)絡(luò)，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，在1753次訓(xùn)練時(shí)結(jié)果收斂，停止訓(xùn)練，其訓(xùn)練的結(jié)果如圖4所示.由圖4可得，其實(shí)際訓(xùn)練的誤差值為0.00908.
3.3BP神經(jīng)網(wǎng)絡(luò)模型測(cè)試選用
表4中樣本16#～20#測(cè)試神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)能力，即將5個(gè)樣本造型特征組合導(dǎo)入網(wǎng)絡(luò)的輸入層，將調(diào)查得到的數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的感性評(píng)價(jià)值進(jìn)行對(duì)比，結(jié)果如表5所示.由表5可見，實(shí)際感性評(píng)價(jià)值與預(yù)測(cè)感性評(píng)價(jià)值相對(duì)誤差較小，說(shuō)明網(wǎng)絡(luò)精度達(dá)到要求，驗(yàn)證了割草機(jī)產(chǎn)品評(píng)價(jià)模型的可行性和有效性.
轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/11157.html
