產(chǎn)品意象造型智能設(shè)計

第1章感性工學(xué)
1.1感覺的含義
1.2感性的含義
1.3感性工學(xué)
1.3.1感性工學(xué)的學(xué)科背景
1.3.2感性工學(xué)系統(tǒng)的分類
第2章產(chǎn)品感性意象挖掘
2.1產(chǎn)品意象認知
2.2基于心理測量的產(chǎn)品意象調(diào)查
2.3基于生理心理學(xué)的感性意象測量
2.3.1產(chǎn)品意象造型視覺認知
2.3.2視覺跟蹤實驗的產(chǎn)品造型設(shè)計要素評價模型
2.3.3基于心理體驗量的產(chǎn)品設(shè)計要素評價模型
2.3.4實例分析
2.4意象認知分析
2.4.1用戶意象認知分析
2.4.2設(shè)計師意象認知分析
2.4.3產(chǎn)品設(shè)計要素分析
2.4.4產(chǎn)品造型意象熵評價
2.5潛在語義分析
2.5.1構(gòu)造指標潛在語義空間
2.5.2降維
2.5.3計算新樣本的匹配值
2.5.4案例研究
第3章產(chǎn)品形態(tài)描述
3.1形態(tài)分析法
3.2參數(shù)模型法
3.3曲線控制法
3.4頻譜分析法
第4章產(chǎn)品形態(tài)設(shè)計要素的辨識
4.1設(shè)計要素的劃分
4.2多元方差分析法
4.3灰色關(guān)聯(lián)分析法
4.3.1基本概念
4.3.2實例分析
4.4粗糙集理論
4.4.1基本概念
4.4.2知識約簡
4.4.3屬性重要度排序
4.4.4實例分析
4.5生理數(shù)據(jù)的應(yīng)用(不局限于眼動)
4.5.1情緒測量法
4.5.2眼動測量法
4.5.3生理信號測量法
4.6產(chǎn)品形態(tài)基因識別
 
 
 
第5章產(chǎn)品感性意象與設(shè)計要素的關(guān)聯(lián)模型
5.1類目層次法
5.2數(shù)量化Ⅰ類(多元回歸)
5.3人工神經(jīng)網(wǎng)絡(luò)
5.3.1BP神經(jīng)網(wǎng)絡(luò)
5.3.2模糊神經(jīng)網(wǎng)絡(luò)
5.3.3四層神經(jīng)網(wǎng)絡(luò)
5.4回歸型支持向量機
5.4.1回歸型支持向量機問題的描述
5.4.2非線性回歸型支持向量機
5.4.3核函數(shù)
5.4.4實例分析
第6章產(chǎn)品意象造型智能設(shè)計
6.1設(shè)計流程與設(shè)計認知
6.1.1設(shè)計流程解析
6.1.2設(shè)計思維解析
6.2基于遺傳算法的進化設(shè)計
6.2.1基于元胞遺傳算法的產(chǎn)品造型設(shè)計
6.2.2基于單親遺傳算法的產(chǎn)品造型進化設(shè)計
6.2.3基于蛛網(wǎng)結(jié)構(gòu)的產(chǎn)品造型進化設(shè)計
6.2.4基于交互式遺傳算法的產(chǎn)品造型進化設(shè)計
6.3多目標進化設(shè)計
6.3.1確定目標意象和實例樣本
6.3.2參數(shù)化樣本
6.3.3辨識設(shè)計要素參數(shù)
6.3.4建立產(chǎn)品意象造型評價系統(tǒng)
6.3.5建立產(chǎn)品多意象造型進化設(shè)計模型
6.3.6基于NSGAⅡ算法的產(chǎn)品多意象造型進化設(shè)計
6.3.7實例分析
6.4基于粒子群算法的產(chǎn)品形態(tài)進化設(shè)計
6.4.1基本粒子群算法
6.4.2標準粒子群算法
6.4.3粒子群算法的參數(shù)分析及設(shè)置
6.4.4基于多目標粒子群算法的產(chǎn)品意象造型進化設(shè)計流程
6.5形態(tài)耦合優(yōu)化設(shè)計
6.5.1原型實驗
6.5.2形態(tài)融合
6.5.3形態(tài)耦合機制
6.5.4形態(tài)耦合優(yōu)化設(shè)計
6.6產(chǎn)品仿生形態(tài)進化設(shè)計
6.6.1特征分析
6.6.2特征識別
6.6.3評價機制
6.6.4形態(tài)進化
6.6.5實例研究
6.7形態(tài)融合創(chuàng)新設(shè)計
6.7.1產(chǎn)品形態(tài)描述
6.7.2產(chǎn)品形態(tài)融合
6.7.3融合產(chǎn)品的三維形態(tài)展示
第7章研究展望
7.1產(chǎn)品意象的認知機理
7.2基于生理測量的意象調(diào)查
7.3產(chǎn)品意象形態(tài)耦合設(shè)計
7.4感性產(chǎn)品族設(shè)計
7.5基于深度學(xué)習(xí)的產(chǎn)品意象造型智能設(shè)計
參考文獻
后記