共查询到20条相似文献,搜索用时 375 毫秒
1.
为解决汽车前脸造型设计决策的问题,比较了用户感知燃油车与电动车前脸造型特征的差异,探讨了汽车前脸正性和负性表情对消费者偏好决策的影响,提出一种采用脑电测量技术评价用户反馈的方法。以Neural Scan脑电仪为数据采集工具,采集了40位用户观看传统汽车与电动车表情并做出是否购买决策的脑电数据,通过事件相关电位分析,发现用户对传统车的情绪感知优于电动车,用户偏好购买正性表情的汽车。回归分析结果发现,P300和LPP两个脑电成分对用户购买决策有显著影响。研究结果表明:电动车车脸设计应加大拟人化效果,脑电测量可作为设计决策的客观依据。 相似文献
2.
一种基于用户偏好的定制优先级判定方法 总被引:1,自引:0,他引:1
针对大多数传统的定制服务中忽略产品定制特征优先级的问题,对产品特征的类别、客户需求、用户情感偏好等方面进行了分析,并建立了产品特征与用户需求关系的映射模型,提出了一种应用于个性化定制服务中的定制优先级的判定方法。首先,进行了定制产品特征分类,通过获取客户需求偏好并采用定量的方法建立了偏好度模型;然后,结合用户情感偏好度模型和产品特征矩阵进行了定制特征优先级的排序;最后,以汽车产品为案例对此方法进行测试。测试结果表明:该方法能对不同的用户需求给出不同产品特征的定制顺序,提高用户满意度和定制服务的引导性。 相似文献
3.
针对依据用户兴趣对家电的状态数据进行信息获取的问题,提出了一种应用于家庭自动控制的知识发现算法.分析了家电功能、家电状态数据与家庭事件的关系,利用模糊理论把家电状态数值转化成语言变量,通过脚本的知识表达方法把用户感兴趣的家庭事件和语言变量关联起来,在此基础上实现家庭事件的推理.仿真实验表明该算法能够从家电状态数值获取相关信息,并实现依据用户兴趣对获取信息的再加工,能够解决从家电状态量到家庭事件及其影响推理的问题. 相似文献
4.
为应对气候变化,支持绿色发展,新能源汽车成为了交通运输行业实现脱碳减排的重点,但传统燃油汽车市场优势依旧巨大。如何让消费者关注、接受、购买和使用新能源汽车,是政府和厂商共同面临的重要课题。为了解决此问题,有必要研究消费者对电动汽车的偏好。互联网时代,用户在线评论已经成为衡量商品价值的重要标准之一。本文介绍目前基于在线评论的消费者偏好研究现状,探讨基于在线评论分析新能源汽车用户偏好的应用前景。 相似文献
5.
6.
《计算机集成制造系统》2014,(12)
为了描述用户的个性化偏好需求、优化服务推荐效果,提出基于服务信誉评价的用户偏好分析与服务推荐模型。该模型以服务的多维信誉指标为分析对象,能够兼容服务信誉评价的各种形式,包括数字评分、标签和自然语言评价,并依据模糊多属性决策理论进行自动的用户服务质量偏好的提取及服务推荐。通过对比分析实际服务数据的实验结果,验证了模型的合理性与有效性。 相似文献
7.
精准获取用户客观需求是智能个性定制亟待解决的问题之一,传统方法明确用户认知偏好时存在多属性用户群体需求错位、对设计师经验依赖性强的问题,对此提出脑视觉认知机制下意象-产品归类的集群用户偏好推理方法。运用统计学方法甄选样本域及意象域,降低了人工干预;基于K-modes聚类用户认知特征元,构建了相似用户集群;采用K近邻算法智能化识别被试所属集群,并开展眼脑融合的主客观集成化认知实验,提取了集群中的关键主客观认知指标;最后运用逼近理想点排序法归类集群用户对应的意象-产品群,基于此归类推理出了新相似用户的认知偏好。以无人机用户认知偏好推理为例,建立了脑视觉认知机制下集群用户的意象-无人机归类,快捷推理新用户的需求案例及认知偏好,结果表明,运用现有集群用户的生理认知数据明确新用户的客观偏好的可行性和有效性,可提升生理实验的再利用率,为群体智能定制模式的个性设计提供理性客观视角。 相似文献
8.
为提升用户满意度及项目交付成功率,针对传统软件研发中对产品创新及用户创新偏好研究不足的问题,提出了面向特征考虑用户创新偏好的软件产品创新机会识别及优先级分析方法.首先,结合区间二元语义、质量功能展开(QFD)和决策实验与评估试验法(DEMATEL),将用户需求及重要度转换为软件产品的特征及重要度;其次,在利用创新Kano(I-Kano)模型分析用户创新偏好的基础上,运用多维技术创新地图提出的创新法则识别软件特征的创新机会,并量化创新机会的满意度;再次,采用由软件特征重要度、创新机会满意度及成本构成的ISC-Dim三维评价模型确定创新机会的优先度,并进行优先级排序;最后,以A公司《工作价值管理》系统的创新设计与开发为例,验证了所提方法的可行性和有效性. 相似文献
9.
10.
11.
针对工业用户的行业属性对其用电模式的影响,本文提出一种考虑行业关联度的工业用户用电异常识别方法。基于真实工业用户用电负荷数据生成多个行业类别的典型负荷特征曲线。运用改进灰色关联度算法计算电力用户用电特征与各个行业典型用电特征之间的关联性,生成用户的行业关联特征;利用多头注意力机制(MHA)提取用户负荷序列特征,与行业关联特征相结合,采用变分自动编码器(VAE)所提供的重构误差作为异常判定度量,建立MHA-VAE深度异常检测模型,实现对多种类型工业用户用电异常的识别。结果表明,引入用户的行业关联特征后异常检测的准确率、检出率和误检率分别为96.84%、98.02%、4.35%,与仅考虑用户负荷特征相比准确率提高1.06%,误检率降低2.24%。 相似文献
12.
13.
14.
15.
Web2.0环境下,越来越多的消费者在网络平台上购买商品,且将使用感受通过在线评论的形式表现出来,大量的在线评论数据蕴含着很多有价值的信息,企业可以利用在线评论来识别和分析用户需求,以便于后续的产品改进。本文以联想笔记本电脑的评论数据为研究对象,提出基于在线评论挖掘的用户需求识别与演化分析模型,利用SnowNLP模型、Kano模型与LDA模型,对用户评论进行分类、识别、特征情感对分析以及时间序列分析。结果表明:根据情感趋势预测,顾客对类型一、类型二和类型三的情感值呈上升趋势,类型四的情感值呈下降趋势;此外,用户对产品外观与游戏体验的关注较多。研究从时间的角度对在线评论的研究方法和模型进行了改进,可为分析用户对产品需求以及预测用户对于产品的情感趋势等研究提供参考价值。 相似文献
16.
本文系统地阐述了从数据挖掘、Web数据挖掘到Web日志数据挖掘整个过程,运用适合分析关联性问题的关联规则,找出用户所浏览的网页间的关联性;另外,结合用户存取时间、目标网页、偏好度(Pref.)及停留时间等数据作为推荐系统参考因素。通过对相关数据的辅助分析及比较浏览序列长度的方法,最后验证个性化推荐服务的效能,网站管理者可以轻易做到推荐用户最佳浏览网页。采用假设验证的实验方法,并仿真一网站雏形,以作为本研究实验验证的机制,探讨了Web数据挖掘在网站优化服务中的研究应用。 相似文献
17.
考虑到大数据用户侧数据可能出现的异常情况,提出了以机器学习为支撑的异常数据诊断分析框架。本文首先基于用户侧数据分类,建立了包含用电特征、情境特征、环境特征和台区特征的数据模型。然后,从单个用户数据异常和台区数据异常角度详细分析用户侧数据异常的原因,据此建立数据异常故障模式和数据异常特征之间的关系以及用户侧异常数据分析框架。针对最为关键的电能数据异常诊断难题,提出负荷回归分析预测、基于神经网络的负荷预测、聚类分析和基于投影方法四种无监督学习在线异常检测方法,并通过算例对比分析了四种方法有效性和准确性。 相似文献
18.
19.