基于人机交互的认知数字流形

对脑内"宇宙"观测、探索脑认知规律是本世纪科学的重要目标。人脑信息加工机制既不能从外部直接检测,也不能用解剖方法对心理过程进行微观直接观测,只能用计算机模拟,或称"黑箱"方法借助理论思维对脑内活动和机理做间接推断是50多年认知科学的隐含假设,称为"人机分离的功能模拟"研究范式。从哲学互补原理可洞察到"人机融合的结构观测"范式,即直接观测、采集脑认知内容数据,获得脑认知结构及运动规律。此方法可能吗?大胆想法是把脑内认知诱导到脑外环境中观测,但认知会发生在脑外吗?基于认知哲学前沿的脑外认知观,我们提出基于人机交互的"认知耦合"脑信息观测思路。基于人机交互构建"脑认知体-耦合情境-信息流形"(BSM)认知观测数字系统。基于范畴、态射、素描等理论,把人机情境中的交互过程投影为图、网络等可视化数理模型上,高维认知流形降维到复杂认知网络,实现认知结构成像、认知耦合调制及认知逻辑、认知动力系统的研究。     

基于数据手套的人机交互环境设计

在对于手结构和手关节运动深入分析的基础上,建立了基于约束的,以关节为节点的“父,子物体”链接的虚拟手模型,绘制了虚拟手。通过对数据手套及接口的分析与设计,根据手运动类型的约束条件及图形变换原理,实现了基于数据手套的手势合成,碰撞检测和碰撞处理的三维交互操作环境,在该虚拟环境中,虚拟手可以进行飞行,抓骤,释放物体等各类运动与操作。     

基于OpenGL的人机交互系统设计

人机(计算机)交互(Human-Computer Interaction)系统包括人、计算机输入、输出设备及其相应人机界面(Human-ComputerInterface).本文针对一种笔式三维人机交互系统进行了研究,用二自由度机械跟踪器、DSP数据采集器、蓝牙通信模块、PC机以及研制的界面软件,设计了一种三维人机交互设备,系统能够比较真实的模拟笔在纸面上的运动轨迹,在一定的硬件条件下,系统能够较好地完成实时交互,同时交互过程中能够保证良好的手感.     

《人机交互》课程的教学探讨与实践

随着人们对人机交互技术的重视程度的提高,越来越多的学科专业将《人机交互》课程列为专业的必修课或选修课。在总结近些年的《人机交互》课程教学实践中的经验教训的基础上,依据《人机交互》课程的特点,从教学内容、教学方法与手段、实践教学等方面,对该课程的教学进行初步的探讨与实践,并就如何提高课程教学质量提出一些可操作性强的建议。     

基于OBE-PBL-CDIO模式的人机交互实践课程改革

针对时代发展要求和对实用性、复合型、国际化的高层次软件人才的实际需求,提出基于成果导向,将以问题为基础的学习模式和CDIO工程教育理念相融合的OBE-PBL-CDIO教学模式,以人机交互实践课程为例,介绍OBE-PBL-CDIO模式的构建,并说明持续改进机制。     

基于嵌入式平台的人机交互系统设计

提出了一种基于嵌入式平台的工业化人机交互系统设计方法,并对人机交互系统和嵌入式操作系统的开发做了详细论述。     

基于人机交互的软件开发系统设计研究

本研究重点探讨人机交互软件开发系统的设计原理,并从人机交互软件系统功能实现原则层面展开深入研究。在此基础上重点分析人机交互软件设计开发的具体形式,以及平台运行稳定性提升的有效方法,结合具体框架结构论述人机交互过程中软件功能与实际情况之间的相互关联,提升人机交互感官体验。     

基于网络的虚拟三维环境中人机交互功能的实现

以VRML为例介绍了网络虚拟三维环境中人机交互功能的实现方式以及通过外部编程接口扩展交互功能的途径。     

关于人机交互、人机和谐环境的思考

论述了人机接口、人机交互、人机和谐环境的发展历史和过程,阐述了它们的主要内容,并结合我国的实际情况,指出了我国人机交互的发展方向,以及人机和谐环境建设的重点。     

基于方差的CHI特征选择方法*

通过分析特征词与类别间的相关性,在原有的卡方特征选择的方法上增加三个调节参数,使选出的特征词集中分布在某一类,且在某一类中尽可能地均匀分布,并使特征词在某一类中出现的次数尽可能地多。通过实验对比改进前后的卡方特征选择方法,基于方差的卡方统计(Var-CHI)方法使得查全率和查准率都得到了明显的提高。     

基于改进CHI和PCA的文本特征选择

针对文本数据中含有大量噪声和冗余特征,为获取更有代表性的特征集合,提出了一种结合改进卡方统计(ICHI)和主成分分析(PCA)的特征选择算法(ICHIPCA).首先针对CHI算法忽略词频、文档长度、类别分布及负相关特性等问题,引入相应的调整因子来完善CHI计算模型;然后利用改进后的CHI计算模型对特征进行评价,选取靠前...     

一种基于词频信息的改进CHI文本特征选择

CHI是一种常用的文本特征选择方法。针对该模型的不足之处,以特征项的频数为依据,分别从特征项的类内分布、类间分布以及类内不同文本之间分布等角度,对CHI模型进行逐步优化,使得特征项频数信息得到了有效利用。提出了一种基于词频信息的改进CHI模型。随后的文本分类试验证明了提出优化CHI模型的有效性。     

基于改进CHI特征选择的情感文本分类研究

为了提高情感文本分类的准确率,对英文情感文本不同的预处理方式进行了研究,同时提出了一种改进的卡方统计量(CHI)特征提取算法.卡方统计量是一种有效的特征选择方法,但分析发现存在负相关现象和倾向于选择低频特征词的问题.为了克服不足之处,在考虑到词频、集中度和分散度等因素的基础上,考虑文本的长短不均衡和特征词分布,对词频进行归一化,提出了一种改进的卡方统计量特征提取算法.利用经典朴素贝叶斯和支持向量机分类算法在均衡语料、非均衡语料和混合长短文本语料上实验,实验结果表明:新的方法提高了情感文本分类的准确率.     

一种基于CHI值特征选取的粗糙集文本分类规则抽取方法

结合文本分类规则抽取的特点,给出了近似规则的定义。该方法首先利用CHI值进行特征选取并为下一步特征选取提供特征重要性信息,然后使用粗糙集对离散决策表继续进行特征选取,最后用粗糙集抽取出精确规则或近似规则。该方法将CHI值特征选取和粗糙集理论充分结合,避免了用粗糙集对大规模决策表进行特征约简,同时避免了决策表的离散化。该方法提高了文本规则抽取的效率,并使其更趋实用化。实验结果表明了这种方法的有效性和实用性。     

文本分类中基于CHI改进的特征选择方法

针对传统卡方统计量(CHI)方法在全局范围内进行特征选择时忽略词频信息问题,提出了一种改进的文本特征选择方法。通过引入特征分布相关性系数,选择局部出现的强相关性特征,并利用修正因子解决CHI方法的负相关困扰,从而提升语料集的分类指标。对网易新闻语料库和复旦大学中文语料库进行实验时,利用以上方法进行特征选择,使用改进后的词频—逆文本频率(TF-IDF)权重计算公式加权,分类器选择支持向量机(SVM)和朴素贝叶斯法。结果表明:改进的方法不仅在分类效果上有明显的提高,而且性能更加稳定。     

基于类别和改进的CHI相结合的特征选择方法

针对传统CHI方法的低频词缺陷问题以及传统CHI方法是在全局范围内做特征选择,忽略了特征和类别间的相关性问题,提出改进方法。通过引入类内和类间分布因子,减少了低频词带来的干扰,并且降低了特征词在类间均匀分布时对分类带来的负贡献,同时提出基于类别的特征选择方法。采用随机森林分类算法,将提出的方法应用在微博情感分析领域。实验结果表明,以上方法能够有效的提高微博情感分类的准确率、查全率和F值。     

基于图像的周长精密测量

为了满足工业生产中在线检测实时性和精度的要求,提出了基于图像的周长精密测量方法。在分析了软棒材的截面图像,利用图像检测技术定位图像边缘的基础上,进行了定位精度分析和多边形近似计算得到截面周长。试验证明,该算法测量精度可达到±0.01mm。