一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法技术

本发明专利技术提供一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，包括以下步骤：根据拥抱机的不同规格选择影响用户体验的决策参数；利用用户体验测试系统采集不同决策参数的用户体验结果，构建建模样本集；将构建的建模样本集进行归一化处理，获得归一化样本集；根据所述归一化样本集构建三层BP神经网络模型；根据所述用户体验测试系统所得到的数据对BP神经网络进行训练，获取神经网络参数；利用免疫算法对BP神经网络模型进行优化本发明专利技术的有益效果是，利用BP神经网络方法挖掘拥抱机不同参数与用户体验结果之间的关系进行建模；并通过智能优化算法获取用户体验结果最优的拥抱机参数，为企业产品开发人员进行产品升级、优化提供指导。

【技术实现步骤摘要】
一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法
本专利技术涉及用户体验、建模优化领域，更为具体地，涉及一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法。
技术介绍
如今，正值心理健康危机日益严重的时期，尤其是年轻人。根据2015年的《高等教育纪事报》的一份报道中指出，自杀是大学生死亡的第二大杀手，仅次于交通事故；自1999年以来，美国的整体自杀率飙升了约25％。针对那些患有自闭症、SPD(感觉紊乱)、抑郁症、发育迟缓人群或者仅仅是压力过大的用户。有研究表明，借助外物适度挤压身体能够极大缓解焦虑情绪舒缓压力，像拥抱机这样声称能够通过背腹双侧按摩减轻心理压力，改善肢体运动能力，能够有效减轻患者普遍存在的紧张情绪，让用户在放松的状态下更容易学会与他人的互动交流。因此一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法的提出是非常有必要的。
技术实现思路
鉴于上述问题，本专利技术的目的是提供一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，能够解决拥抱机产品升级、优化难的问题。本专利技术提供一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，包括以下步骤：根据拥抱机的不同规格选择影响用户体验的决策参数；利用用户体验测试系统采集不同决策参数的用户体验结果，构建建模样本集；将构建的建模样本集进行归一化处理，获得归一化样本集；根据所述归一化样本集构建三层BP神经网络模型；根据所述用户体验测试系统所得到的数据对BP神经网络进行训练，获取神经网络参数；利用免疫算法对BP神经网络模型进行优化。进一步的，所述决策参数包括，滚筒颜色x1，滚筒材质x2，滚筒宽度x3，滚筒直径x4，机架长度x5，机架宽度x6，机架高度x7；输入矩阵X的获得方法包括以下步骤：第一步：对决策参数数据进行处理，采用数字代码标识决策参数数据；第二步：构建输入参数矩阵其中，n代表用户数量，i代表每一个用户所对应的拥抱机参数数据，i＝1，2,3,4,5,6,7，分别对应滚筒颜色、滚筒材质、滚筒宽度、滚筒直径、机架长度、机架宽度、机架高度参数数据；第三步：构造新的矩阵第四步：计算出矩阵M的特征值，输入矩阵由其特征值构成进一步的，采用以下公式获取输出结果Y，其中，n代表用户数量；进一步的，根据所述归一化样本集构建三层BP神经网络模型包括，设置所述BP神经网络模型的隐含层节点数为l，隐含层节点函数为S型函数tansig，输出层节点数与输出变量个数一致；设置输出层节点函数为线性函数purelin，输入层到隐含层的权值为w1，隐含层节点阈值为b1，隐含层至输出层的权值为w2，输出层节点阈值为b2。进一步的，所述根据所述用户体验测试系统所得到的数据对BP神经网络进行训练，获取神经网络参数包括以下步骤；第一步：初始化神经网络参数的权值w1、w2以及阈值b1、b2；第二步：初始化的网络参数采用如下公式计算此时的其中，表示预测值；w1、w2分别表示神经网络参数的权值；b1、b2分别表示神经网络参数的阈值；表示经归一化的输入样本；第三步：计算此时实际样本输出与预测值之间系统对N个训练样本的总误差，总误差e准则函数如下：其中，e表示误差性能指标函数；表示BP网络输出；表示实际输出；第四步：修正神经网络参数的权值和阈值，具体公式如下：其中，w1ij表示隐含层与输入层的连接权值；η表示学习速率；表示隐含层输出；x(i)表示输入样本；wjk表示输出层与隐含层权值；其中，w2jk表示输出层与隐含层的连接权值；其中，表示隐含层阈值；表示隐含层输出；wjk表输出层与隐含层权值；b2＝b2+ηe其中，i＝1,2,…,n；j＝1,2,…,l；k＝1,2,…,N；N为样本量；第五步：利用更新得到的神经网络参数的权值和阈值重新估计重复第二步至第四步的过程，直到总误差小于设定值。进一步的，所述利用免疫算法对BP神经网络模型进行优化包括以下步骤；第一步：根据先验知识提取疫苗；第二步：在通过影响用户体验结果的因素植入疫苗产生N个决策变量，由这N个决策变量构成初始父代种群A0。在初始化过程中，为植入疫苗，影响用户体验结果因由所有的决策变量的交叉组合，直到完成所有单个抗体的构造。第三步：计算当前父代种群的遗传代数及Ak中所有抗体的亲和度。若抗体亲和度满足条件，则终止运算并输出结果，否则继续。第四步：根据抗体和抗原之间的亲和度以及抗体浓度，确定当前种群Ak中的n个最佳路径并将其复制形成临时的种群B。第五步：通过植入疫苗对B进行变异操作，形成种群C，计算C中抗体的亲和度，并选择出m个最优产品设计参数，构成Cm。变异算子只需考虑增添及删除基因。第六步：构成新一代父代种群Ak+1，该种群由Ak中的n个最佳个体种群C中的l个最佳个体，以及r个新加入个体Dr构成，并返回第三步，直到得到最优个体作为优化所得最优产品设计参数组合。本专利技术的有益效果是，利用BP神经网络方法挖掘拥抱机不同参数与用户体验结果之间的关系进行建模；并通过智能优化算法获取用户体验结果最优的拥抱机参数，为企业产品开发人员进行产品升级、优化提供指导。附图说明通过参考以下结合附图的说明及权利要求书的内容，并且随着对本专利技术的更全面理解，本专利技术的其它目的及结果将更加明白及易于理解。在附图中：图1为根据本专利技术实施例的一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法流程示意图；图2为根据本专利技术实施例的BP神经网络模型结构示意图；图3为根据本专利技术实施例免疫算法实施方式流程图。具体实施方式在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。目前，亟需解决拥抱机产品升级优化困难的问题，影响用户体验过程评分的各个因素之间往往呈现出高度的复杂性和非线性，采用常规预测、分析方法存在一定难度，BP神经网络对于非线性系统的建模精度高，利用免疫算法对构建的模型进行优化，获取所构建模型的最佳用户体验值，并根据所构建模型的最佳用户体验值确定最优产品设计参数。利用本专利技术，能够解决企业对自闭症拥抱机产品升级优化困难的问题。针对前述提出的目前拥抱机升级、优化难度高的问题，本专利技术提出了一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法及系统，其中，本专利技术利用BP神经网络方法挖掘拥抱机不同参数与用户体验结果之间的关系进行建模；并通过智能优化算法获取用户体验结果最优的拥抱机参数，为企业产品开发人员进行产品升级、优化提供指导。其中，需要说明的是，BP(BackPropagation)神经网络是一种按误差反向传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP神经网络模型拓扑结构包括输入层(input)、隐含层(hiddenlayer)和输出层(outputlayer)。以下将结合附图对本专利技术的具体实施例进行详细描述。为了说明本专利技术提供的一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，图1示出了根据本专利技术实施例的一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法流程。如图1所示，本专利技术提供的一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法包括：S1根据拥抱机的不同规格选择影响用户本文档来自技高网...

【技术保护点】
1.一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，其特征在于，包括以下步骤：根据拥抱机的不同规格选择影响用户体验的决策参数；利用用户体验测试系统采集不同决策参数的用户体验结果，构建建模样本集；将构建的建模样本集进行归一化处理，获得归一化样本集；根据所述归一化样本集构建三层BP神经网络模型；根据所述用户体验测试系统所得到的数据对BP神经网络进行训练，获取神经网络参数；利用免疫算法对BP神经网络模型进行优化。

【技术特征摘要】
1.一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，其特征在于，包括以下步骤：根据拥抱机的不同规格选择影响用户体验的决策参数；利用用户体验测试系统采集不同决策参数的用户体验结果，构建建模样本集；将构建的建模样本集进行归一化处理，获得归一化样本集；根据所述归一化样本集构建三层BP神经网络模型；根据所述用户体验测试系统所得到的数据对BP神经网络进行训练，获取神经网络参数；利用免疫算法对BP神经网络模型进行优化。2.如权利要求1所述的一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，其特征在于，所述决策参数包括，滚筒颜色x1，滚筒材质x2，滚筒宽度x3，滚筒直径x4，机架长度x5，机架宽度x6，机架高度x7；输入矩阵X的获得方法包括以下步骤：第一步：对决策参数数据进行处理，采用数字代码标识决策参数数据；第二步：构建输入参数矩阵其中，n代表用户数量，i代表每一个用户所对应的拥抱机参数数据，i＝1，2,3,4,5,6,7，分别对应滚筒颜色、滚筒材质、滚筒宽度、滚筒直径、机架长度、机架宽度、机架高度参数数据；第三步：构造新的矩阵第四步：计算出矩阵M的特征值，输入矩阵由其特征值构成3.如权利要求1所述的一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，其特征在于，采用以下公式获取输出结果Y，其中，n代表用户数量。4.如权利要求1所述的一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，其特征在于，根据所述归一化样本集构建三层BP神经网络模型包括，设置所述BP神经网络模型的隐含层节点数为l，隐含层节点函数为S型函数tansig，输出层节点数与输出变量个数一致；设置输出层节点函数为线性函数purelin，输入层到隐含层的权值为w1，隐含层节点阈值为b1，隐含层至输出层的权值为w2，输出层节点阈值为b2。如权利要求1所述的一种面向用户体验的自闭症拥抱机智能设计建模与决策参数优化方法，其特征在于，所述根据所述用户体验测试系统所得到的数据对BP神经网络进行训练，获取神经网络参数包括以下步骤...

【专利技术属性】
技术研发人员：李太福，尹蝶，廖志强，张志亮，黄星耀，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：重庆,50