基于感性意象的非接触眼压计造型设计研究

为达到非接触眼压计产品造型与用户主观偏好相契合的目的,提出以感性意象为研究背景的设计方法。以感性工学理论为基础,对非接触眼压计产品造型的感性意象进行研究。采用聚类分析法,对非接触眼压计的产品形态进行多样化采集,筛选其感性词汇并进行心理量化评估。通过数据分析和量化展示,深入挖掘非接触眼压计感性词汇与其造型特征线的映射关系,为非接触眼压计造型设计提供指导。     

具有用户感知的家用缝纫机形态设计方法

文章以产品意象中的缝纫机功能、造型为研究主题,以典型的缝纫机黑白线框素材为例,探求用户对于缝纫机的直觉意象评价。运用用户感知方面的特性及合理的数理知识,探讨人的感性特征与缝纫机的设计要素间的关系,用感性认知的设计要素定量化技术为缝纫机的造型设计和优化提供一个相对客观的参考依据。     

知识驱动的产品设计情境

为进一步探讨情境在实际产品设计中的应用,提出了知识驱动的产品设计情境研究方法.将产品设计过程分为问题情境、求解情境和结果情境3个维度,通过知识驱动产品在原理、结构或组合方式上的创新,提出了基于产品开发设计流程的产品设计情境模型和知识驱动的产品设计情境模型.分析了显性知识与隐性知识在用户、设计师以及系统之间的传递与转化特征,提出了知识转移的交流模型和螺旋模型,并探讨了基于知识的产品建模技术、推理求解技术、感性意象评价技术和知识库技术.以眼镜造型设计为例,构建了眼镜产品族结构体系和计算机辅助眼镜造型系统软件,包括三维造型设计模块、感性意象评价模块和系统知识库模块.基于该系统可以实现眼镜产品设计的快速生成,构建设计知识库以及用户的感性意象评价,从而提高眼镜开发设计的效率,验证了知识驱动的产品设计情境理论体系.     

现代食品机械造型设计中形态的主导作用分析

食品机械的造型设计在内容、方法和着眼点上与一般消费产品有所不同,所以对产品造型设计理论和实践进行探讨和研究非常有必要.由于现代产品造型设计观念和方法在不断推陈出新,过去作为造型基础研究主要内容的形态,开始在产品造型设计中发挥越来越重要的作用.文章立足于形态的知觉、美感及语言功能,探讨形态在食品机械造型设计中如何针对功能意义,实现人机交流沟通、审美意象表达等方面的主导作用,促进食品机械造型设计观念和方法的创新.     

基于意象认知模型的图像检索技术

鉴于在产品造型设计过程中设计师对于图像检索技术的需求,提出了塑料产品的意象认知模型,并构建了基于该模型的意象看板系统（E-image board system）.该系统运用语意差异法分别建立了塑料椅子的形态和材质意象认知模型,利用距离分布直方图（DDH）结合Hu不变矩的形状提取与表示算法,提取和表示产品图像中的形态特征,采用纹理谱表示方法提取和表示产品图像中的纹理特征,并运用相似性度量和图像意象的相关度标注技术进行系统数据库的扩充和标注.该技术克服了传统检索方式不能体现用户意象的问题,满足了设计师利用意象词汇检索符合用户意象认知模型的产品图像的需求.     

基于犹豫模糊集的飞机驾驶舱形态评价

为了解决飞机驾驶舱形态设计过程中,飞行员存在的认知偏好描述困难及决策犹豫的问题,提出基于犹豫模糊集的飞机驾驶舱设计形态综合评价方法. 通过对驾驶舱设计形态的认知需求分析,建立了驾驶舱设计形态认知需求的属性特征体系;利用粗数评价模型得到影响驾驶舱设计形态认知偏好的评价指标,提取驾驶舱关键部件设计形态特征线,获取了驾驶舱关键部件设计形态的核心特征,进一步结合驾驶舱设计形态的认知偏好评价指标,获取综合决策评价值;采用认知熵理论修正评价指标权重,构建集结犹豫模糊评价模型,从而得到复合认知偏好下的驾驶舱设计形态优先级排序. 与5种同类评价算法进行比较及一致性检验,结果表明本研究所提方法具有良好的可靠性且能有效解决评价信息的犹豫性,能够较好地实现对飞机驾驶舱设计形态认知偏好的精确评估.     

基于改进加权协同过滤的集群用户黑箱个性意象预测

为了解决传统意象定位中感性意象部分信息丢失及用户模糊的个性化需求不完全表达的问题,提出基于改进加权SO（WSO）算法的集群用户个性意象预测研究. 建立用户特征域,基于K-modes算法计算用户差异度,确立用户集群. 对甄选样本实施兴趣度排序及自主性意象评价,创建集群意象因子集. 引入用户相似度优化WSO算法,增强集群用户间的内在联系,精准预测目标用户黑箱的个性意象分值. 基于语义差异问卷及平均绝对误差分析验证黑箱意象,输出集群中单一用户的个性化意象,实现意象预测. 以无人机为例,预测用户的个性意象,误差小于0.5被舍去,表明该方法能够较好地实现用户模糊的意象黑箱透明化,且预测的意象符合用户的个性化需求,可以有效辅助设计师有针对性地设计.     

基于基因网络的产品形态设计研究

从产品基因网络的角度出发来研究产品形态的设计方法.借用基因调控网络的部分概念,以产品形态基因作为网络节点,各基因间的相关性作为节点的边,构建产品形态的复杂网络模型.在所得到的产品形态基因网络基础上,识别出产品形态基因网络中的不同节点类型,获得出节点集团,最终转化为设计策略.设计师可以根据自身需要有选择性的结合获得的节点类型和节点集团等信息对产品形态进行有针对性的设计,并对设计结果进行了对照实验验证.验证结果证明基于产品基因网络的研究方法能够辅助设计师进行产品设计.     

基于意象认知模型的汽车草图设计技术研究

产品意象认知模型阐明了消费者情感需求与产品造型之间的关系.运用专家访谈、影响汽车外观造型特征的眼部跟踪观察实验、影响产品意象认知的造型特征提取实验、关键造型特征与产品意象认知关系之量化实验等多实验的方法，建立了基于特征匹配的产品意象认知模型.基于该意象认知模型，开发了汽车草图设计原型系统，消费者只要输入意象词汇，就可以得到一组具有该意象的草图设计方案；设计师在计算机中描绘简单的造型特征，系统就可以自动给出该草图相应的意象.     

创新方法在产品感性设计中的应用

感性工学作为一种将消费者感性意象量化的设计方法,已成为国内外学者关注的焦点。针对如何准确把握消费者感性需求的问题,以数码相机为例,进行模糊聚类在感性工学中的研究,研究中采用的主要方法是感性工学和模糊聚类模型等。其目的在于分析设计元素的变化对于产品感性意象的影响;将模糊聚类用于感性意象的研究中具有快捷明了的特点。研究结果为设计师提供了一个了解消费者感性需求的有效途径。     

面向品牌认知的产品形态推演方法

指出了体验经济时期品牌识别对于企业经营的重要性以及产品系列延伸策略的普遍性。针对品牌视觉认知,采用Design Formation Analysis（DFA）方法提取品牌识别的形态隐式和显式特征。在此基础上提出了基于形态推演法则的形状文法,并通过此进行产品形态推演。最后通过吸油烟机形态推演实例验证了方法的可行性。     

工业产品形态原型及其建模方法的研究

文章提出一种新的产品形态原型概念,以工业产品各外观结构分体的最适包围盒作为形态原型的基本构造单元,描述了形态原型的重构过程.文中介绍了长方体、圆柱体、球体3种最小包围盒及分体最适包围盒的确定方法,并对形态原型在形态传承的分析和评价、产品外观创新设计、形体设计语意及形态设计风格描述等方面的应用进行了展望.     

冲积河湾裁弯形式与几何临界形态

自然裁弯是冲积河湾演变的突变事件,它既是某个河湾走向消亡的终点,也是新的河湾发育的起点,但裁弯形式和几何临界形态的规律尚未得到完全揭示。通过解读众多河湾裁弯的卫星图像,依据河湾裁弯的平面形态和动力条件,将裁弯形式分为串沟型、崩岸型和冲切型。统计表明,河湾的颈口宽度与平均河宽比值从大到小依次是串沟型、冲切型和崩岸型,而河湾裁弯时弯曲率从高到低依次是崩岸型、冲切型和串沟型。通过定义河湾形态参数,测量了16个正裁弯的河湾形态,并确定河湾发生裁弯时河道中心线的弯曲率为极限弯曲率。极限弯曲率可作为自然裁弯的一个临界     

多Grid构成的表格动态打印的实现

介绍一个VB通用程序,该程序利用OLE自动化技术,可自动调用Excel实现由多个Grid构成的动态表格的打印。该程序特点是打印报表不用编程,特别是能满足报表结构事先未知(即动态报表)的打印。     

形式函数的解析性

研究了f（z,z）型复变函数,通过定义形式导数和微分,求出形式函数的C-R条件,推出了形式函数可微和解析的条件.     

形位精度设计专家系统的研究

机械零件的形状和位置设计是精度设计中一个重要组成部分．根据形位精度的设计特点，利用专家系统法进行计算机辅助形位精度设计，建造其知识库、推理机，并采用特征建模技术获取零件信息．形位精度设计专家系统的研究为计算机辅助精度设计的深入研究作了有益的探索     

大学组织特征及管理模式探析

在分析大学组织特征的基础上,通过对欧美大学组织管理模式的认识,探讨了我国大学组织管理模式的改革。     

理论思维和直觉结合下的建筑形象创作--以苏州科技学院建筑系馆设计为例

以苏州科技学院建筑系馆的形象设计为例，分析了建筑设计理论中建筑现象学、建筑类型学、格式塔心理学在建立当代建筑形象的环境特征和传统文脉特征中的作用，也探讨了直觉思维作为互补同样是建筑形象设计的组成部分。     

我国南北方青年下体体型比较研究

对我国南北方青年下体体型的特征进行研究。在全国范围选择代表区域,对青年人体展开大量的人体测量工作,用t检验、均值比较、相关部位比值和差异性分析的方法,对我国南北方青年男女下体体型展开分析。结果显示:南北方青年下体各关键部位的均值除女子腰围和腿围之外,另外其他所有的数据均存在显著差异,但从长度与围度的比值来看,只有福州和哈尔滨的男青年与其它地区有显著差异。     

基于多尺度特征映射网络的图像超分辨率重建

针对基于卷积神经网络的图像超分辨率重建（SRCNN）方法存在的重建网络浅、特征利用率低以及重建图像模糊等问题,提出基于多尺度特征映射网络的图像超分辨率重建方法. 多尺度特征映射网络通过学习低分辨率（LR）特征与高分辨率（HR）特征之间的映射关系,将多个尺度的LR特征映射到HR特征空间,通过特征融合来提高重建过程中对特征的利用率;该方法定义了结合逐像素损失、感知损失和对抗损失的联合损失函数,从低频内容、图像边缘和局部纹理等方面均衡提升重建图像质量. 对数据集Set5、Set14和BSD100的图片4倍下采样后进行测试,与当前主流方法进行比较和分析. 实验证明,基于生成对抗的多尺度特征映射网络在提高图像感知质量方面表现优秀,重建的图像具有更加清晰的边缘和纹理,在客观评价上具有较好的评分.