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方案

本发明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神经网络模型进行优化。本发明专利技术的有益效果是，利用UKF‑DE神经网络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，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，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。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：计算σ点的一步状态预测及状态变量协方差Pk+1|k；第四步：计算输出的一步提前预测以及协方差第五步：进行滤波更新获取新的状态矩阵、协方差矩阵、增益矩阵；第六步：对获取的新样本数据重新进行第二步至第五步，直至所有样本对状态矩阵、协方差矩阵、增益矩阵进行了更新；第七步：对最后一组样本得到状态矩阵X作为前馈神经网络训练得到的权值和阈值；第八步：根据获得网络参数各层权值、阈值，利用UKF神经网络构建的函数模型如下：其中，g-1是反归一函数，分别代表网络函数和归一化函数。进一步的，所述利用差分演化算对UKF神经网络模型进行优化包括以下步骤:第一步：编码并初始化步骤，包括，设初始状态种群规模为N，最大迭代次数为T，交叉概率因子CR∈[0，1]，变异因子F∈[0,2]，所求解间题的自变量是D维的。如果当前进化的代数为t，那么当前第t代种群里第i个个体Xi,j如下所示：变量指定的空间搜索范围是[Xmin,Xmax]，上式中每一个参数值域的范围都是在[Xmin,Xmax]内随机产生的，初始化的都是在以上值域内随机产生的。设进化代数为t，t＝0，在[Xmin,Xmax]内随机的产生个N个体，从而构成初始种群：第二步：个体评价操作步骤，包括，计算种群中每一个个体Xi,j的适应度函数值，值表示为f(xi，t)；第三步：DE算法通过差分的方式实现变异操作步骤，包括，对于种群里的每一个个体xi，t，随机生成H个彼此不相同的整数r1，r2，r3∈{1，2,3···,N}，生成变异个体Vi，t：若得到的变异个体Vi，t不在[Xmin,Xmax]范围里，则令：Vi，t＝Xmin+rand(0，1)*(Xmax-Xmin)rand(0,1)是随机分布在(0,1)内的数；第四步：交叉步骤，包括，生成一个随机的整数randni然后通过下式对目标个体Xi，t，和变异个体Vi，t进行操作产生实验个体通过随机选择使得Ui，t至少有一位是Vi，t贡献的，其他位是由Vi，t贡献还是由Xi，t贡献则交给交叉概率CR來决定：上式中randnj是均匀分布在[0，1]内的随化实数，randnj是{1，2，...，D}内随机产生的用于对维数进行索引的标号，这样可以保证了中至少有一位是由变异个体贡献的。CR是在[0，1]内的一个常数，成为交叉概率因子。第五步：选择步骤，包括，采用“贪婪选择”策略，由目标个体Xi，t和候选个体Ui，t，进行竞争。式子里f代表的是适应度函数，在Xi，t和Ui，t中选择适应度函数值较优的一方替换原来的第t代个体，作为第t+1代个化同时迭代计数器(t)加1。上式子是以最大化问题的处理为例的。第六步：终止步骤，包括，若种群Xi，t达到了最大迭代次数T或者是满足终止条件，就输出最优解，作为优化所得最优产品设计参数组合。否则跳转第二步。本专利技术的有益效果是，提供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，利用UKF-DE神经网络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。为了实现上述以及相关目的，本专利技术的一个或多个方面包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明了本专利技术的某些示例性方面。然而，这些方面指示的仅仅是可使用本专利技术的原理的各种方式中的一些方式。此外，本专利技术旨在包括所有这些方面以及它们的等同物。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基于用户体验测试系统的本文档来自技高网...

【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