【技术实现步骤摘要】
一种基于用户体验测试系统的自闭症拥抱机智能设计建模与决策参数优化方法
本专利技术涉及神经网络、用户体验领域,更为具体地,涉及一种基于用户体验测试系统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。因此一种基于用户体验测试系统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基于用户体验测试系统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基于用户体验测试系统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UKF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UKF神经网络进行训练,获取神经网络参数;利用差分演化算对UKF神经网络模 ...
【技术保护点】
1.一种基于用户体验测试系统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UKF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UKF神经网络进行训练,获取神经网络参数;利用差分演化算对UKF神经网络模型进行优化。
【技术特征摘要】
1.一种基于用户体验测试系统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UKF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UKF神经网络进行训练,获取神经网络参数;利用差分演化算对UKF神经网络模型进行优化。2.如权利要求1所述的一种基于用户体验测试系统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所述的一种基于用户体验测试系统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所述的一种基于用户体验测试系统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UKF神经网络模包括输入层、隐含层和输出层,所述输入层与所述隐含层由权值连接,所述隐含层与所述输出层由权值连接;所述前馈神经网络函数表达式如下:其中,函数F(X)为S型函数,为隐含层激发函数;w1ik,w2kj,b1k,b2j分别代表输入层与隐含层的连接权值,隐含层和输出层的连接权值,隐含层阈值,输出层阈值;表示归一化的样本。5.如权利要求1所述的一种基于用户体验测试系统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UKF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:设前馈神经网络,记M为输入层神经元数,s1为隐层神经元数,l为输出层神经元数;输入层至隐含层神经元的连接权值阈值为隐含层至输出层的连接权值阈值为则UKF神经网络中所有权值和阈值组成的状态变量I为:设I中的个数为n个值;设定非线性方程:其中,Xk为K时刻的神经网络输入样本;令ωk=0,vk=0,Yk为神经网络输出样本;第二步:设定UKF计算过程中控制采样点的分布状态参数a、待选参数κ,以及非负权系数β;第三步:计算2n+1个σ点以及σ点的相应权重,其中,n为状态矩阵的I维度,λ=a2(n+κ)-n,其中,κ为待选参数,a为分布状态参数;第四步...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。