企业家的警觉性：机会识别的心理图式

综合以往经典研究观点,开发了警觉性量表。先后对2个样本的企业家（n=104和n=277）和1个对比样本的管理者（n=166）进行了施测。通过探索性因素分析（EFA）、验证性因素分析（CFA）和方差分析（ANOVA）,研究表明：①警觉性包括探求挖掘、重构框架、敏锐预见3个维度,该模型的测量参数均达到可接受的标准。②不同从业时间的企业家在警觉性的3个维度上存在显著区别。在企业家与管理者的对比中,上述差异也同样存在。     

影响大学生创业决策认同度与正确度的关键因素

本文旨在探讨影响大学生创业决策认同度与正确度的关键因素。在文献研究和访谈研究的基础上重新修订了大学生创业警觉性、创业背景知识、创新性认知风格问卷,对获取的预测数据和正式测量数据进行了统计分析。结果表明:预测大学生创业决策认同度和正确度的变量中,特殊兴趣和领域知识能够有效预测大学生的创业决策认同度;而创业警觉性中的探求挖掘和敏锐预见能够有效预测创业决策正确度。此外,领域知识在探求挖掘和决策认同度的关系中起到反向调节作用。     

创业警觉性对创业者危机感知的影响研究:信息搜索的作用角色

目的探讨创业警觉性和信息搜索对创业者危机感知的作用机制。方法基于信息加工理论,运用来自153家企业的247份创业者问卷调查数据统计分析。结果危机源和信息搜索对创业者威胁感知和转机感知的作用皆显著;创业警觉性对信息搜索、转机感知的正向作用显著;创业警觉性与信息搜索对危机感知的交互作用不显著。结论信息搜索在创业警觉性和创业者危机感知之间起到部分中介作用。     

认知负荷对驾驶员识别行人意图的影响

目的 准确识别行人意图对人车安全非常重要,但驾驶员在操作车辆时往往会面临一定的认知负荷。本研究考察认知负荷对驾驶员识别行人意图的影响。方法 通过听觉N-back任务操纵认知负荷,要求被试(N=90)在模拟驾驶场景中识别行人意图。结果 在2-back双任务的高负荷下,驾驶员识别行人意图的辨别力显著低于1-back双任务和单任务,且后两者没有差异。结论 增加认知负荷会削弱驾驶员识别行人意图的辨别力,提示对行人意图的识别需要认知资源的参与。因此,驾驶员应保持较低水平的认知负荷驾驶以提高人车交互安全。     

认知方式对不规则几何图形识别绩效影响的眼动研究

实验以眼动仪为主要设备研究人格特征对不规则几何图形的识别绩效的影响，采用混合式3因子析因设计，认知方式为被试间设计，显示条件和显示方式为被试内设计。研究发现认知方式对不规则几何图形识别绩教的影响差异显著，场独立性被试的作业绩效高于场依存性被试。特别是在显示条件不良的情况下，这种差异更为显著。     

基于眼动的内饰造型特征认知与品牌识别研究

目的 分析汽车内饰造型特征的品牌识别过程,指导内饰设计师理解用户认知方式并应用于设计实践中,使设计意象有效传达,为内饰心理认知研究提供借鉴。方法 以眼动实验为主,问卷法和访谈法为辅,定性与定量分析相结合对内饰视觉认知中的造型特征识别过程进行分析。结果 划分内饰造型区域特征并编码,中央空调出风口、车门开关、方向盘是用户关注时间最长和最先关注的特征。有经验者观察目标明确,注重整体感知,无经验者目标注视点分散,注重局部特征。结论 中央空调出风口、车门开关、方向盘是传递品牌意象的重要造型特征区域,该部分的设计有助于提升内饰的品牌识别度。造型特征识别过程从认知心理的角度解释了不同用户对内饰人机系统认知的区别。     

认知风格对导航的影响

当前的研究主要针对导航的技巧展开，较少探讨人与人之间原本就存在的认知差异对导航绩效的影响。文章讨论了三类认知风格：自我中心和环境中心、场独立性和场依存性、言语序列优势和视空间优势，对现实、模拟和网络各种形式的导航中的影响，并且相应地提出一些建议。     

基于负面在线评论与多维技术创新地图融合的技术机会识别研究

从技术需求驱动视角,经由负面在线评论主题提取开展具有前瞻性的潜在创新方案研判,为企业精准识别技术创新机会提供方向。首先,检索目标技术创新领域相关专利文献,利用BERTopic主题聚类模型获取专利摘要数据中所含主题与关键词;其次,识别产品负面在线评论,利用主题模型遴选负面在线评论中的主题与关键词,剖析产品的突出问题点;再次,将前述创新要素进行维度划分,生成创新维度-创新要素表;然后,以领域内所含突出问题为导向,与创新法则迭代构建多维技术创新地图,生成系列潜在技术创新方案;最后,以智能手机为例,验证方法的可行性。研究结果表明,该模型能有效分析产品存在的突出问题,识别具有前瞻性的技术创新机会。     

手机造型特征对意象认知影响的研究

以感性工学为理论基础,运用问卷调查与统计分析方法,探讨手机造型特征对人的意象认知的影响.根据研究的感性语意对应的造型要素项目权重值及类目效用值,设计师根据目标消费者选择的理想感性语意,便可得到对应感性语意的手机造型要素,进而导向新产品造型设计的研发.     

文本结构和个体认知风格对网上信息搜索绩效的影响

以中文阅读内容为实验材料,考察文本结构和个体认知风格对网上信息搜索绩效的影响。结果表明:(1)在信息规模较大的情况下,超文本的信息搜索时间少于纯线性文本,但迷路比线性文本严重;(2)在超文本情境下,被试更多地通过Back键来导航,而Home键相反;(3)没有发现个体认知风格的显著影响,认知风格对信息搜索绩效的效应需进一步探讨。     

基于时频特征的光纤周界振动信号识别

在光纤周界安防系统中,蓄意入侵和环境噪声均能引起光纤传感器振动,在保证系统高灵敏度的前提下区分入侵和非入侵事件极为重要。为了有效识别各种光纤振动信号,本文依据入侵和环境噪声引起的光纤振动信号在时域上的短时特性以及复小波域各尺度上能量分布特征,提出了两级判别法识别光纤信号。第一级用时域特征,短时能量和短时平均过零率判断是否有振动发生;第二级用复小波提取光纤信号的能量分布特征,联合时域特征形成特征矢量,支持向量机(SVM)作为分类器识别是否为入侵信号及入侵类型。实验结果表明,此方法可以有效识别入侵信号和环境噪声引起的非入侵事件,提高了系统报警率,降低了误报率。     

基于视觉认知特征的网课界面布局设计研究

目的 探究网络课程教育的教学效果。方法 以大学思政网课为研究对象,结合个体视觉认知特征归纳出三种典型网课界面布局,通过实验采集被试者在不同网课界面布局中的眼动数据、绩效数据及问卷数据。结果 网课界面布局中文字的左右分布更能吸引被试者的视觉注意力,从而产生更好的学习效果;网课界面布局中教师人像因素会对被试者的凝视时间、凝视次数等眼动数据产生显著影响(P<0.05);教师的眼神与肢体动作会有效吸引被试者的注意力,形成更多的凝视时长与凝视次数,从而达到更好的学习效果;问卷数据也进一步表明,被试者对有教师存在的网课界面布局评价更高。结论 该设计为网课教育教学的发展提供了科学的理论参考。     

边带特征在齿轮箱故障识别中的应用

当齿轮箱存在某些故障时，由于故障信号对某一特征信号的调制作用，会在其频谱图上产生以特征频率为中心，以故障的旋转频率为间隔的边频带。因此可以利用信号的频谱图的边频带对机械故障进行诊断及故障部位识别。结合实例证明，此方法能够有效地反映机械故障产生的原因，从而达到对齿轮箱进行故障诊断的目的。     

利用两类投影方法进行特征融合的人脸识别

提出了利用两类投影抽取特征、用并行策略融合特征进行人脸识别的新方法。先用一维的基于向量的投影抽取一组特征，再用基于二维的图像投影的方法抽取一组特征，用复向量将样本的两组特征向量组合在一起，在复向量空间分析主分量(CPCA)，抽取人脸图像的鉴别特征。在FERET人脸库上的实验结果表明，该方法的识别性能比用单个特征有10%左右的提高。     

基于热释电红外信息的人体运动特征提取与识别

运动人体辐射的红外信号中包含步行姿态及体貌特征等信息,热释电红外(PIR)传感器能够探测人体发出的红外线,在有效范围内实现运动人体的检测.对利用表面安装有菲涅耳透镜的PIR传感器探测人体行走时的红外辐射进行了研究,采用主成分分析(PCA)方法对不同对象、不同速度的频谱数据进行特征提取,并使用支持向量机(SVM)方法进行分类识别,最高识别正确率达到85.38％.研究结果表明,利用PIR传感器获取人体运动信息,并将来自不同对象、不同速度的频谱数据用于分类的方法是可行的.该研究可为安全级别较低场所的生物特征识别提供一种新的低成本的解决方案.     

基于加速度分布特征的快递暴力分拣识别方法

目的 针对我国烟草物流配送中心包装效率低、人工成本高、条烟差错率高等问题,设计一种异型烟全自动码垛的控制系统。方法 设计基于SIMATIC S7-1200 PLC、步科MT4523TE触摸屏、YAMAHA机器人控制器RCX240和工控机的控制系统,PLC作为主控制器,与触摸屏和工控机采用PROFINET通讯,与YAMAHA控制器采用PROFIBUS通讯,实现信息的交互。外接的控制按钮、传感器、伺服驱动器与PLC的SM1223和SM1231信号模块连接。PLC将传感器采集的信号和工控机发送的数据进行处理,然后与机器人控制器配合发出各种控制指令,通过各个机构相互协调动作实现对异型烟的快速、自动、精确码垛。结果 该套控制系统可对异型烟长、高进行自动识别,码垛差错率≤0.006%,对垛型进行自动整理功能,损烟率≤0.005%,设备故障率≤0.5%,码垛效率可达3861条/h,系统运行稳定。结论 该套控制系统大大提高了异型烟的码垛效率,降低了生产成本,具有良好的可靠性和稳定性,满足烟草物流配送中心高效稳定作业的要求。     

Gastric Tract Disease Recognition Using Optimized Deep Learning Features

Artificial intelligence aids for healthcare have received a great deal of attention. Approximately one million patients with gastrointestinal diseases have been diagnosed via wireless capsule endoscopy (WCE). Early diagnosis facilitates appropriate treatment and saves lives. Deep learning-based techniques have been used to identify gastrointestinal ulcers, bleeding sites, and polyps. However, small lesions may be misclassified. We developed a deep learning-based best-feature method to classify various stomach diseases evident in WCE images. Initially, we use hybrid contrast enhancement to distinguish diseased from normal regions. Then, a pretrained model is fine-tuned, and further training is done via transfer learning. Deep features are extracted from the last two layers and fused using a vector length-based approach. We improve the genetic algorithm using a fitness function and kurtosis to select optimal features that are graded by a classifier. We evaluate a database containing 24,000 WCE images of ulcers, bleeding sites, polyps, and healthy tissue. The cubic support vector machine classifier was optimal; the average accuracy was 99%.