一种基于跟随优化的功能图标边缘区域动态构建方法技术

本发明专利技术公开了一种基于跟随优化的图标边缘区域动态构建方法，包括以下步骤：初始化图形系统各功能图标的响应区域，以功能图标的相对坐标原点

A dynamic construction method for edge area of functional icons based on following optimization

The invention discloses a method for dynamically constructing icons edge regions based on follower optimization, including the following steps: initializing the response area of each functional icon of a graphical system, and taking the relative coordinates origin of function icons.

【技术实现步骤摘要】
一种基于跟随优化的功能图标边缘区域动态构建方法
本专利技术属于人工智能
，具体涉及一种基于跟随优化的功能图标边缘区域动态构建方法。
技术介绍
目前电子设备的人机交互通常靠触控屏来完成，但由于手指触摸图标时触点落入图标对应区域不完全对称，导致图形系统识别触摸的图标或者程序并不是目标功能，致使需要人为重新启动目标程序，降低用户体验，特别是在航空机载设备领域，首次识别错误将会造成很严重的次生灾害。
技术实现思路
为解决上述问题，本专利技术的目的在于提供一种具有AI功能的基于跟随优化的功能图标边缘区域动态构建方法，以大大降低触控目标功能的首次识别错误率。本专利技术提供的技术方案为：一种基于跟随优化的功能图标边缘区域动态构建方法，其特征在于：所述方法包括以下步骤：A.初始化图形系统各功能图标的响应区域，以功能图标的相对坐标原点为参考，构建出各功能图标的初始边缘区域；B.使用二值法，对用户触控区域的像素点建模，得到用户习惯数据集H；C.对用户习惯数据集H进行数据清洗后，分类进行神经网络的初始化训练、测试和建模；D.利用跟随优化算法，对初始化的神经网络和重构区域集Q进行优化；E.构建出符合用户习惯并且可根据用户习惯动态调整的全新图标功能边缘区域，提高首次识别准确率。进一步的，所述步骤A的具体方式为：假设图形系统的页面中共有k个功能图标，则以每个图标中心像素为相对原点，依次为将以上k个相对原点相邻的原点连线；以各图标最大轮廓线所含像素点为基准，做出水平和垂直两条线L1和L2，则横向分布的相邻两图标间将形成一组垂直平行线，而垂直分布的相邻两图标间将形成一组水平平行线；分别以这两组平行线的对称中心线Lc与原点连线交点作为基准点J，画出水平和垂直直线，依次划分即可绘出各功能图标的初始响应几何区域Ar1,Ar2,…，Ark；其中第i个几何区域所包含的分辨率为：s×q，s表示水平像素，q表示垂直像素,在此基础上将几何区域的边界以像素为单位划分为n份，为保证动态构建的细腻度，n的取值范围为[(s+q)/α，(s+q)]，α为调节系数，依据FPGA中地址发生模块中的各像素地址阵列，则可定位第i区域的地址向量表示为：＝[12…]，i∈[1，k]；功能图标整体初始区域相应地址阵列1，2，…，,表示成地址阵列初始地址阵列可表示为：至此，各功能图标的初始边缘区域构建完成。进一步的，所述步骤B的具体方式为：设定第u和v两个相邻功能图标，用户每次触控区域的边缘像素集记为PM，则第i次触控的记为：{1,2,…,}，若用户第i次触控后在容限时间t内，发生了目标功能重置，则更新边缘像素集PM＝+1,循环执行，直到在容限时间t内无目标功能重置事件，记为PM＝；根据上述PM计算方法，经过用户多次使用训练后，即可算得u、v两功能图标间的敏感集PZ：公共区域用户习惯数据集H可表示为：H＝[PZuvfuv]，其中fuv∈[uv]，表示用户目标功能。进一步的，所述步骤C的具体方式为：对步骤B中得到的公共区域用户习惯数据集H进行清洗，去掉冗余和干扰数据后，进行分组得到训练集Htrain，测试集Htest和验证集Hv，数据集划定后，可采用RBF神经网络算法进行建模，建模并计算后，即可得到使用一定数据训练后的图标边缘区域像素集Q。进一步的，所述步骤D的具体方式为：对Q进行降维和特征提取，得到关键特征集Qf，记为：Qf＝[q1，q2，…，qp],p为关键特征集的维数；用C步骤中得到的初始神经网络模型预测的输出记为YI＝[y1y2]；对Qf中的个体进行编码，采用实数编码法，每个个体均为一个实数数据串；为使得实际用户使用中，误差最小，因此把神经网络系统的预测输出和期望输出之间的误差绝对值和E的相反数作为个体适应度值F，计算方法为：式中，yi为神经网络第i个节点的期望输出，Oi为该节点的计算输出，θ为系数；按照适应度比例选择策略，每个优化个体的适用选择概率记为：pi，则有：式中，Fi为第i个优化个体的适应度函数值，N为优化个体种群总数；对于实数编码方式，可利用数据交叉法将qk和ql在第j位交叉，计算方法如下：式中r为[0,1]的随机数；选择第u个个体的第v个基因quv进行突变操作，算法如下：突变函数f(g)设为ω·(1-g/Gmax)2,则上式变为：其中，qmax为quv的最大值；qmin为quv的最小值，r为生成的[0,1]间随机数，ω为随机数，g为当前迭代次数，Gmax为最大进化次数参数；按上述优化过程，不断地对区域像素集Q进行优化，生成Qbec，即用户最后一次使用后的最新图标边缘区域集。进一步的，所述步骤E的具体方式为：根据上述C步骤的神经网络模型和D步骤的跟随优化，可得到最优图标边缘区域像素集Qbec，并且随着用户的深入使用Qbec不断迭代和更新，实现功能图标边缘区域的动态构建。本专利技术的有益效果是：本专利技术可根据用户使用习惯不断优化和调整功能图标的边缘区域，以大大降低触控目标功能的首次识别错误率，大大提高人机交互效能。附图说明图1为本专利技术基于跟随优化的功能图标边缘区域动态构建方法的整体流程图。图2为功能图标公共区域用户习惯数据集H的采集流程图。图3为跟随优化后各功能图标的边缘区域像素集示意图。具体实施方式参照图1本专利技术的一种基于跟随优化的功能图标边缘区域动态构建方法，所述方法包括以下步骤：A.初始化图形系统各功能图标的响应区域，以功能图标的相对坐标原点为参考，构建出各功能图标的初始边缘区域；假设图形系统的页面中共有k个功能图标，则以每个图标中心像素为相对原点，依次为将以上k个相对原点相邻的原点连线；以各图标最大轮廓线所含像素点为基准，做出水平和垂直两条线L1和L2，则横向分布的相邻两图标间将形成一组垂直平行线，而垂直分布的相邻两图标间将形成一组水平平行线；分别以这两组平行线的对称中心线Lc与原点连线交点作为基准点J，画出水平和垂直直线，依次划分即可绘出各功能图标的初始响应几何区域Ar1,Ar2,…，Ark。其中第i个几何区域所包含的分辨率为：si×qi，si表示水平像素，qi表示垂直像素,在此基础上将几何区域的边界以像素为单位划分为n份，为保证动态构建的细腻度，n的取值范围为[(si+qi)/α，(si+qi)]，α为调节系数，依据FPGA中地址发生模块中的各像素地址阵列，则可定位第i区域的地址向量表示为：功能图标整体初始区域相应地址阵列Ad1，Ad2，…，Adk,表示成地址阵列初始地址阵列Ad可表示为：至此，各功能图标的初始边缘区域构建完成。B.使用二值法，对用户触控区域的像素点建模，得到用户习惯数据集H:如图2所示，以第u和v两个相邻功能图标为例，用户每次触控区域的边缘像素集记为PM，则第i次触控的PMi记为：若用户第i次触控后在容限时间t内，发生了目标功能重置，则更新边缘像素集PM＝PMi+1,循环执行，直到在容限时间t内无目标功能重置事件，记为PM＝PMj。根据上述PM计算方法，经过用户多次使用训练后，即可算得u、v两功能图标间的敏感集PZuv：公共区域用户习惯数据集H可表示为：H＝[PZuvfuv]，其中fuv∈[uv]，表示用户目标功能。C.对用户习惯数据集H进行数据清洗后，分类进行神经网络的初始化训练、测试和建模:对步骤B中得到的公共区域用户习惯数据本文档来自技高网...

【技术保护点】
一种基于跟随优化的功能图标边缘区域动态构建方法，其特征在于：所述方法包括以下步骤：A.初始化图形系统各功能图标的响应区域，以功能图标的相对坐标原点

【技术特征摘要】
1.一种基于跟随优化的功能图标边缘区域动态构建方法，其特征在于：所述方法包括以下步骤：A.初始化图形系统各功能图标的响应区域，以功能图标的相对坐标原点为参考，构建出各功能图标的初始边缘区域；B.使用二值法，对用户触控区域的像素点建模，得到用户习惯数据集H；C.对用户习惯数据集H进行数据清洗后，分类进行神经网络的初始化训练、测试和建模；D.利用跟随优化算法，对初始化的神经网络和重构区域集Q进行优化；E.构建出符合用户习惯并且可根据用户习惯动态调整的全新图标功能边缘区域，提高首次识别准确率。2.如权利要求1所述的基于跟随优化的功能图标边缘区域动态构建方法，其特征在于：所述步骤A的具体方式为：假设图形系统的页面中共有k个功能图标，则以每个图标中心像素为相对原点，依次为将以上k个相对原点相邻的原点连线,以各图标最大轮廓线所含像素点为基准，做出水平和垂直两条线L1和L2，则横向分布的相邻两图标间将形成一组垂直平行线，而垂直分布的相邻两图标间将形成一组水平平行线；分别以这两组平行线的对称中心线Lc与原点连线交点作为基准点J，画出水平和垂直直线，依次划分即可绘出各功能图标的初始响应几何区域Ar1,Ar2,…，Ark；其中第i个几何区域所包含的分辨率为：si×qi，si表示水平像素，qi表示垂直像素，在此基础上将几何区域的边界以像素为单位划分为n份，为保证动态构建的细腻度，n的取值范围为[(si+qi)/α，(si+qi)]，α为调节系数，依据FPGA中地址发生模块中的各像素地址阵列，则可定位第i区域的地址向量表示为：功能图标整体初始区域相应地址阵列Ad1，Ad2，…，Adk，表示成地址阵列初始地址阵列Ad可表示为：至此，各功能图标的初始边缘区域构建完成。3.如权利要求2所述的基于跟随优化的功能图标边缘区域动态构建方法，其特征在于：所述步骤B的具体方式为：设定第u和v两个相邻功能图标，用户每次触控区域的边缘像素集记为PM，则第i次触控的PMi记为：若用户第i次触控后在容限时间t内，发生了目标功能重置，则更新边缘像素集PM＝PMi+1，循环执行，直到在容限时间t内无目标功能重置事件，记为PM＝PMj；根据上述PM计算方法，经过用户多次使用训练后，即可算得u、v两功能图标间的敏感集PZuv：公共区域用户习惯数据集...

【专利技术属性】
技术研发人员：王尊丽，杨秀丽，宗方杰，
申请(专利权)人：山东衡昊信息技术有限公司，
类型：发明
国别省市：山东,37