灰色关系分析和神经网络相结合开发汽车展台设计的吸引力

文摘

Miryoku工程是根据客户的喜好,设计理念,目的是创造有吸引力的产品或空间。然而,传统Miryoku工程面临着两个主要问题:(1)上部Kansei因子排名权重提到的数量,但这并不代表客户的重要性;(2)之间的映射连接上下Kansei因素具体情况采用统计分析方法,这很容易导致关键信息的遗漏。随着计算机的发展,人工智能,它反复模拟人类思维与简单的计算规则,它的优点更少的错误和更快的速度。因此,在三级评估网格图平台上建立了Miryoku工程,本文首先利用灰色关系分析,全面评估的优先顺序Kansei的话。其次,Kansei的关键因素,形态解构表连接建立最初的原因和具体情况。正交设计用于屏幕代表设计元素的组合和创建样例模型通过使用3 d软件。最后,神经网络是用于建立一个映射函数之间的关键Kansei因素和代表产品的设计元素,并在此基础上,最感知吸引力的产品设计被发现。作为一个案例研究中,汽车展台被用来验证该方法的有效性,显著提高参展商设计决策和客户的满意度。

1。介绍

生产的目的是设计一个有吸引力的产品,满足客户的偏好来增加市场份额。然而,一个有吸引力的产品很难被定义为适当的设计元素(1- - - - - -4]。因此,重要的是客户之间建立通信通道的魅力偏好和产品设计元素。Miryoku工程学的一个分支Kansei工程自1998年以来,当日本社会Kansei工程(JSKE)成立5]。这也是一种人体工程学的研究金属感知和实际对象之间的关系。Miryoku工程是一个研究小组由日本学者Masato Ujigawa [6),汇集许多学者。它的目标是创造有吸引力的产品,空间技术和知识,主要应对从生产型转向面向消费者的概念,因此有一个光滑的设计师和客户之间的通信接口产品客户需求的方向发展。“Miryoku”是一个日语单词,意思是“吸引力的力量。“Miryoku来自于内在的自我形象,这是一种吸引力和影响力Kansei后让人感到满意,然后产生吸引力的知觉和记忆(7]。Miryoku工程过程可以用来挖掘human-to-things三级魅力因素,即上层Kansei因素,最初的原因,中值和较低的特定条件(图1)。评价结构图表建立通过连接可以直观地为设计师提供一个定性参考,也可以量化客户的模糊的吸引力需要到具体的设计参数,通过统计分析公司可以被理解的。

近年来,许多学者已成功应用Miryoku工程在汽车领域的表单设计8,生态旅游9)、音乐游戏(10),和其他领域,如汉和马11]Miryoku工程的方法用于捕获的魅力因子固定商店。公园等。12)应用Miryoku工程分析移动医院应用的用户体验设计。沈(13和陈等。14)利用Miryoku工程探索Facebook社交网络游戏的吸引力从游戏的角度可用性和功能。人的魅力体验是受到社会背景的影响,教育,和美学,Miryoku工程可以执行非常具体的计算这个模棱两可。然而,仍然存在两个缺点在上面的文章:(1)越高代表Kansei因素的提取主要是基于频率的重要性排名中提到的面试过程。提到的次数只有相关主题的感情,不能与重要性。也有一些学者利用网络分析法(15)或层次分析法(16计算和排名的重量每一个有吸引力的因素,但这些方法受限于主体的主观评价,并很容易有偏差结果。(2)线性量化方法之间建立一个映射函数上Kansei因素和较低的具体情况。很难精确测量客户的非线性和非正态的情感意象(17]。多元线性回归方法(例如,I型量化理论,QT-I)可以用来统计预测Kansei分类和设计元素之间的关系。何鸿燊和侯(18),Ko et al。19)结合Miryoku工程和QT-I探索应用程序图标的吸引力因素和办公椅。然而,线性回归方法只能计算长度和高度的线性值之间的关系,显然它不能测量非线性情感变量。因此,本文提出了应用灰色关系分析(GRA)和神经网络(NN)的人工智能技术魅力来解决上述问题的研究过程和发展类似的产品设计使用人类的逻辑推理。草地是灰色系统理论的重要组成部分。除了它的简单性和准确性,还可以多准则决策问题转化为定量分析和综合评价。绿草是用来测量上的相对重量和优先级评价项目评价网格图。神经网络模拟非线性映射关系可以快速收敛和局部逼近效果好,解决了模糊和不确定的特点,感知评价,弥补了传统的线性方法的缺点在丢失一些信息。因此,神经网络是用于建立Kansei因素的映射函数,降低混凝土的设计条件。在此基础上,通过不断试验和错误,产品设计结合Kansei评价最高的价值,为公司提供理论指导和设计师大幅减少投放市场的时间和风险,增加客户满意度。

根据文献调查,没有文学致力于Miryoku工程的展示空间设计的观点。展示设计是一个综合艺术以商品为中心,利用有效资源,美化商品在一定空间。展台的设计确定展会的成功中扮演一个重要的角色在吸引游客和提供一个积极的商业氛围20.- - - - - -22]。许多汽车品牌已开始更多关注参与展会而不是汽车本身的发展。当汽车展台的设计和室内装饰作为一种吸引与会者,客户会随机选择展区,可以激发自己的兴趣除了主观识别的品牌他们想访问。因此,一个有吸引力的汽车展台设计可以吸引更多的人,然后达到最畅销的目的,还可以提供一个重要的与供应商的交易平台。然而,相比之下,其他领域(如图形或建筑设计)、汽车展台设计没有足够的理论基础来维持显示研究和分析。然而,很少有研究调查了展会展台设计与规划、处理商业信息传输和接收的问题22]。因此,本文以汽车展台设计为例,结合草和神经网络来开发一个有吸引力的汽车在Miryoku展台设计工程操作阶段。此外,简要对比解释的异同研究本文和以往提出了表1。本文的主要贡献可以概括如下:(我)没有研究将GRA和神经网络集成到Miryoku工程过程(2)调查汽车展台设计的魅力因素,推导出有吸引力的产品形式(3)草地上测量了体重和优先级的抽象Kansei因素(iv)神经网络代替传统的线性分析方法建立映射关系Kansei因素和设计语言

本文的组织如下。部分2回顾了之前的相关作品是基于Miryoku工程和GRA和神经网络的应用进行讨论。部分3简要描述了我们建议的框架和描述每个步骤的研究汽车展台设计。部分4介绍了研究的分析和讨论,部分5总结本文的调查。

2。相关工作

2.1。Miryoku工程

评估网格法(基于Miryoku工程中是一个重要的研究方法。这也是一个定性访谈方法获得吸引力的评价要素。Sanui和农业28)改进的心理概念剧目凯利提出的网格法和添加两个步骤。首先,受试者被要求回答他们喜欢什么或者不喜欢什么后成对比较样本。然后,他们被问到最喜欢的原因通过额外的问题,根据问题的澄清的含义或条件划分层次结构。能量法有助于深刻理解的心理认知水平。即使是抽象的心理感受和微妙的情感变化,很难捕捉可以通过这种方法提取。刘等人。29日)使用Miryoku临时工程和模糊质量功能展开探讨典型的文化和创意产品的设计元素。山等。30.)进行临时Miryoku工程增加的健壮性Kansei为消费电子产品质量和客户满意度最大化。进行定性及采访高介入组可以记录和总结专家的语义结构逻辑从用户的实际行为情况下通过两两比较的各种特性。具体操作及流程简述如下:(1)准备相关的面试问题和图片。(2)开始一对一的面试,要求每个人把照片分成两个类别的喜欢和不喜欢的。(3)删除图片归类为不喜欢。(4)受试者被要求用他们自己的语言简要描述自己喜欢的理由建立原始受访者评估项目或中间评估项目。(5)根据最初的评估项目,询问进一步的抽象原因和具体喜欢的细节。然后,形成上下评估项目。(6)所有评估项目编译成一个图。整合所有科目的内容,所有的物品都与直线表示的层次关系。(7)因为有太多的高级魅力因素,本研究将那些类似的内容和性质根据KJ法和分配一个名称。重复这个步骤,直到你不能再组。通过聚类过程,可以获得清晰的魅力因素。

2.2。灰色的关系分析

绿草是一种测量方法,分析灰色系统理论中的离散序列之间的相关性。在不完全信息,某些数据处理是用于查找序列之间的相关性数据随机因素。它的主要目的是量化的程度之间的相关性影响因素研究主题(31日]。开发一个产品设计的过程中,草可以用来确定的结构设计问题,设计开发的政策。魏(32)利用草Kansei工程分析设计的基础上建模和引导标志的颜色在公共空间。周(33]应用草来确定技术改善中国关系质量的海洋货运代理在台湾。王(34和王35)使用灰色系统理论来描述产品元素的权重影响图片和文字并建立了透明的设计元素之间的关系和页面图片。陈和壮族(36)结合草田口方法来优化客户满意度的主观质量。

Miryoku工程的关键和难点是确定的重要性排名上Kansei因素评估网格图。的主观方法用于获得排名Kansei因素根据客户提到的总数,但提到的数量只能代表关联到目标产品的程度。为了应对这一问题,本文介绍了灰色关系,草到Miryoku工程学位。基于语义的评估每个Kansei因素,Kansei因素是随机设置为比较序列,和其他Kansei因素作为参考序列。Kansei因素的权重是最终决定。时间的计算主要分为以下六个步骤:步骤1:确定比较和参考序列:集 作为参考序列,也称为父序列集 作为比较序列,也被称为子序列 步骤2:包括的数据预处理方法(1)测量的有效性降低 (2)测量的有效性的提高 (3)测量nominal-better的有效性 第三步:找到不同序列之间的参考序列和比较序列: (4)第四步:计算灰色关系系数: 在哪里是分辨率,它通常是作为吗 (36,37]。第五步:计算灰色关系程度: 第六步:安排学位从小型到大型的灰色关系。

计算灰色关系程度是一个相对的加权值。当价值很大,它表明Kansei因素更重要,设计师应该关注它。相反,值越小,Kansei因素不重要,可以暂时认为是一个重要参考的考虑下成本。

2.3。神经网络

神经网络是人工智能的一个重要分支。这是一个信息处理系统,模仿生物神经网络,是由生物灵感来自[38]。反向传播学习算法是一种应用最广泛的算法在神经网络模型。它获得外部知识通过学习并将其存储在网络中,可以解决困难的问题,不容易由计算机,尤其是语言和图像识别,综合优化计算和智能控制。由普通BP前馈多层神经网络训练算法由一个输入层、一个输出层,和一个或多个隐藏层。在反向传播过程中,梯度最速下降法是用来不断调整网络的权值和阈值的平方和最小化网络错误。郭et al。39集成神经网络和遗传算法实现多目标优化的三色产品色彩设计。王等人。40]构造三个得到优化的遗传算法来预测计算分数三Kansei形容词。Misaka和青山41)应用神经网络开发设计系统基于Kansei杯表面裂纹模式。王等人。42)调查了运动鞋和十大控卫之间的关系通过Kansei知觉和神经网络学习算法。神经网络可以使用人类的非线性思维方法处理主观和不精确的情感活动,因此本文利用这种优势来建立一个映射关系客户Kansei魅力因素和产品设计条件。

3所示。提出研究框架

在这项研究中,Miryoku工程的优势,抓住,神经网络相结合,开发一个有吸引力的产品设计。提出研究框架如图2。研究分为三个阶段:首先,专家组经过面试过程的Miryoku工程三级评估网格图捕捉高层抽象的原因,最初的评估项目,中值和低层次的具体设计条件。之后,上层Kansei草用于识别关键因素并建立对应的图表形态解构Kansei最高的灰色关联因素。最后,神经网络是用于建立一个映射模型之间的关键Kansei因素和产品的具体形式,和有吸引力的汽车展览会展台的设计在此基础上衍生出来的。

3.1。Miryoku工程过程

获得定性参考信息,12人被招募为高介入专家小组实验采访。他们六个男人和六个女人,30岁至55岁,都有五年以上工业设计经验。首先,100年的模型汽车展台设计图片从网上收集,杂志,和其他渠道。删除后像素模糊和图像与大型环境影响(如光,环境反射和阴影),总共85张卡片的大小10厘米×10厘米。然后,专家被邀请来比较汽车展台卡片,和访谈进行了利弊的观点和好恶和初始偏好的原因是雅致。每个面试大约50 - 60分钟的时间,和特定的质疑方法附录所述。

上面的步骤是重复完成Miryoku工程采访12专家。174上Kansei因素,20中最初的原因,和77年降低提取具体情况(图3)。为了避免太多Kansei因素加重的设计师,KJ法被用来总结提取上Kansei因素,和16个代表感性的话(表2)进行了总结;配套建成基于他们和评价结构的图。

3.2。用草来识别关键Kansei因素

这个阶段用草来确定每个情感词汇的权重,允许设计师收集关键Kansei因素。首先,14个代表性样本选择从85年汽车展台卡片,匹配与16个感性因素之后,100名领域专家(25-55岁的50名男性和50名女性有超过五年的设计经验)被邀请。进行感性评价,平均评估值如表所示3。其次,“精致”的词汇量设置为参考序列和比较序列的其他15感性的话。方程(1)- (6)是用来计算的灰色关系程度(研磨)15感性因素。重量值从大到小排列,如表所示4。

“时尚”上Kansei因素对应六个设计变量中位数:一个展厅的整体形状;B前台的形状;C天花板上的形状;D背景墙;E,汽车照明方法;和F,车辆位置的方法。其中,有4³×3³= 1728种汽车展台设计组合由21个设计水平较低(图4)的六个设计变量。为了避免刻板印象或品牌影响实验结果的因素,本文将构造一个新的汽车展台设计问卷测试样本。需要很多时间和精力创造如此多的解决方案。因此,本文借用了正交设计在SPSS软件来获取模型参数的最佳组合。正交设计是设计部分因素。通过这个项目,产品组合可以降低到一定范围内,可以处理,同时保持正交性。执行程序后,25日代表获得的解决方案涵盖各种设计变量和水平。南昌大学工业设计研究生使用3 d软件生成(图25展台设计模型5)。上面提到的100名专家被邀请来评估25型号的汽车展示设计模型与级李克特规模。一个表示程度低的分数时尚,7分表示高度,中间是一个过渡的分数。“时尚”是Kansei评价指标。具体结果如表所示5。

3.3。用神经网络建立映射模型

本文使用了一个三层单隐层神经网络。输入层有21个节点,即六个形态变量共有21水平。输入数据是25设计模型。一个节点的输出层是“时尚”的感性评价。在隐层节点的数目通常使用以下公式: 在哪里是隐层节点的数量,在输入层的节点数,然后呢在输出层。沈和王43)发现,当方程(7)是用来计算隐层的节点数,结果更准确。因此,在确定隐层的节点数(21 + 1)/ 2 = 11。

因为设计变量不能直接作为输入参数,汽车展示设计的具体设计元素需要编码。每个样品的编码的比特数的总数是一样的设计水平,这是21。每个设计级别代码只有一个数字1,剩下的都是0。例如,在正交试验中,样品1的类型一个- - - - - -F设计是4级,1、2、1,3,和1,分别代码可以转换为000110001001000001100,其他样品的代码可以以同样的方式作为输入层参数。此外,由于训练函数的输出参数需要在区间[0,1],而Kansei评价结果显然不完全在这个区间,Kansei评估值需要规范化。本文利用方程的快速线性变换算法(1),正火后的数据,它是在一个合适的时间间隔。然后,它可以作为输出参数导入到汽车展台设计的神经网络模型进行训练。

在这项研究中,第一个20样本集作为训练集,最后五个样品作为测试集。Newff是神经网络用于创建。隐层的激活函数使用一个对数乙状结肠传递函数:

输出层采用purelin线性函数,函数使用Trainlm训练,学习的数量设置为10000,错误是10⁻⁴。当训练达到127次迭代,培训的目的也就达到了,而培训是停了。到目前为止,汽车展台设计的神经网络模型已经获得(图6)。为了验证神经网络模型的性能,五个样品测试集的编码参数作为输入层,然后输出层的值。同时,预测的RMSE值和测量值进行测试。计算标准偏差的方法被用来评估模型的性能,和根均方误差(RMSE)是常用的作为 在哪里是和输出值的预测模型预期值评估受试者在实验。如果不存在任何差异或错误输出值与期望值之间的均方根误差为0。规范化的预报值与测量值比较得到RMSE(表6)。只有当NN的RMSE很小,这意味着建立神经网络架构可用于预测、判断和推理。图7绘制显示拟合图之间的关系显示输出的预测值和实际值的神经网络模型。这一结果表明,该模型具有良好的一致性。

基于训练神经网络模型,1728种形态的组合汽车展台设计导入到计算机参数作为输入层,和Kansei评估值计算相应组合。输出层参数编码的前三项“时尚”知觉评估价值最高的手术后233233 (Kansei值:4.4704),213233 (Kansei值:4.4619)和333231年(Kansei值:4.4614),和相应的最佳设计元素组合是010000100100100001001,010010000100100001001,001000100100100001100。根据相对应的形式结合感性评价最高的价值,汽车展台设计的设计如图8。最后,上述100专家组被邀请再次实现一个七级李克特量表设计方案,和一个“时尚”Kansei评估值为6.238,远高于3.5分的平均水平,这说明了有吸引力的产品提出了组合模型设计开发的满足客户的偏好。

4所示。分析和讨论

与传统Miryoku工程方法相比,草地和神经网络相结合可以实现上层Kansei因素的权重排名和上部和下部之间建立一个非线性映射函数具体情况,解决问题,Miryoku工程只能提供客户偏好和定性设计元素之间的关系。摘要Miryoku工程的操作流程执行第一个16获得更高级别的抽象Kansei因素,它表达用户的魅力和情感体验汽车展示设计。为了区分这些情感元素的重要性,抓住被用来代替前面提到的总和的简单操作,卡诺模型、层次分析法。Kansei指数测量的重量使用灰色关联的概念。发现三大因素包括时尚(0.878),有吸引力的(0.871),和高贵(0.865)最后三个因素包括复古(0.509)、热(0.628),(0.667)和幻想。这一结果表明,用户最重视的创新形式汽车展台,和时尚的产品形状仍是设计的灵魂。其次,高尚和有吸引力的展台设计很容易吸引用户的注意力,和设计师应该优先考虑这些用户的情感偏好。相反,展位的复古风格是最不可能深受用户喜爱。同时,设计师可以忽略的热情和幻想情绪图片资源有限的前提下。

随着全球经济的快速发展,汽车制造商已经逐渐更重视销售过程比汽车本身的性能的发展。各种形式的展览、销售、年会和其他展览符合整个社会和经济发展的需要。本文评估汽车展位设计的魅力特征之间的定量关系进行了市场和客户的文摘Kansei因素和展台设计元素。最后,结合最好的感性评价选择来自一千多个设计形式的组合,即的结合一个2 +B3 +C3 +D2 +E3 +F3,在此基础上,最具创新汽车展位设计。摘要草地和人工智能神经网络技术用于精确计算的重量之间的映射函数上抽象的感觉和相应的降低Miryoku工程过程中的特定设计条件。因此,设计师可以专注于客户偏好的吸引力因素获得的研究成果,制定新产品开发策略有计划地缩短时间的研究和提高客户满意度。

5。结论

在激烈的全球汽车销售市场,一个优秀的汽车展台设计可以区分自己的产品和许多同质竞争,吸引更多的游客,并增加产品销售。本研究的主要目的是开发一个有吸引力的汽车展台设计结合草和地图上评价结构神经网络平台建立了Miryoku工程。首先,Miryoku工程获得16个代表上层Kansei因素,20最初的原因,和77年底层具体设计条件基于12个专家组成的调查小组。其次,人工智能技术,草是用来取代传统的频率求和方法,关键Kansei因素获得通过使用灰色关系度的计算方法。最后,神经网络是用于建立一个映射关系的关键Kansei因素和相应的汽车展位设计元素形状和探索优化设计提高吸引力的汽车展台布局。

本研究的局限性如下。首先,尽管专家意见的层次结构,由Miryoku提取工程,详细和精致的,它可能很难全面记录只使用形容词的主观情感。其次,NN总是批评其黑箱产权,和其他人工智能技术,如粗糙集理论和支持向量机在未来可以应用。这些之后,人们的偏好因素因不同性别不同,教育水平,和职业,因此研究基于人口统计学变量可以组合。最后,本文只考虑展台设计的形态变化,和未来研究的范围应扩大到展位大小,完成材料、照明和标志。

附录

具体问卷……:(1)特定的质疑方法部分3.1声明如下:Q1:“你喜欢样本10或15 ?”答:“我喜欢样品15”Q2:“为什么你喜欢样品15 ?”答:“因为天花板的形状的样品15 !”在确定中位数原始原因首选的主题,继续质疑梯子的高层抽象的原因和具体的细节成分梯子下来。(1)梯:继续问高层抽象的原因“天花板的形状。”问题3:你为什么喜欢“天花板”形状的样品15 ?”答:因为它看起来“简单而华丽的”(2)梯子下来:基于“天花板形状”,继续向测试人员询问具体的设计元素,构成简单的天花板和大气结构和分析汽车展台的物理性质,测试人员的爱。第四季度:设计因素让你感觉简单的上限?答:“双层结构”和“壳形状”从上面的提问方法,一个三级结构图上抽象的评价项的原因,最初的评估项目,中值和下具体情况组织(图9)。

数据可用性

实验数据用于支持本研究的结果都包含在这篇文章。

的利益冲突

作者报告任何潜在的利益冲突。

引用

1. K.-C。王”,产品设计预测使用集成动态Kansei工程计划,”互联网技术杂志》,15卷,不。7,1217 - 1225年,2014页。视图:谷歌学术搜索
2. m·r·Reddy k . g . Srinivasa b . e . Reddy,“基于物联网的智能车载系统,”组织和终端用户计算杂志》上,30卷,不。3、45 - 62年,2018页。视图:出版商的网站|谷歌学术搜索
3. p·辛格和r . Agrawal”,以客户为中心的最佳连接通道模型异构和物联网网络,”组织和终端用户计算杂志》上,30卷,不。4,32-50,2018页。视图:出版商的网站|谷歌学术搜索
4. t . Grubljesic p·s·科埃略,j . Jaklic”转向socio-organizational司机的商业智能和分析接受,“组织和终端用户计算杂志》上没有,卷。31日。2,页37 - 64,2019。视图:谷歌学术搜索
5. 吴x Kang m .杨y, b .倪,“集成评价网格法和模糊质量功能部署到新产品开发,“数学问题在工程卷,2018篇文章ID 2451470, 2018。视图:谷歌学术搜索
6. m . Ujigawa“进化的个性化设计,”研究与发展研究所,46卷,1 - 10,2000页。视图:谷歌学术搜索
7. m·马y陈,李,“如何构建设计策略,新产品的吸引力(DSANP)”信息科学和服务科学的进步,3卷,不。11日,17-26,2011页。视图:谷歌学术搜索
8. x Kang m .杨w·杨,y,“迷你车的形式设计的研究在感性消费时代,”程序的设计,用户体验和可用性:理论、方法,和Management-6th国际会议卷,10288年,页258 - 271,信号,温哥华,加拿大,2017。视图:谷歌学术搜索
9. 洪教授和M.-Y。马”,探索生态旅游的魅力因素,”EKOLOJI,28卷,不。107年,第944 - 937页,2019年。视图:谷歌学术搜索
10. 研究。陈和S.-R。李,“球员不同的认知差异参与向混凝土设计特点在音乐游戏中,“《公共科学图书馆•综合》,14卷,不。5篇文章ID e0216276 2019。视图:出版商的网站|谷歌学术搜索
11. j . x汉和M.-Y。马”,文具店的魅力因素的研究,“跨学科的数学杂志,21卷,不。2、299 - 305年,2018页。视图:出版商的网站|谷歌学术搜索
12. j .公园,黄永发。金,E.-J。公园,s m .火腿”,分析用户体验设计的移动医院应用程序使用评价网格方法,”无线个人通信,卷91,不。4、1591 - 1602年,2016页。视图:出版商的网站|谷歌学术搜索
13. k . s .沈”测量SNS游戏在台湾的社会文化吸引力,”互联网研究,23卷,不。3、372 - 392年,2013页。视图:出版商的网站|谷歌学术搜索
14. k·h·陈,k . s .沈和m . y .妈,”Facebook社交游戏的功能和可用性的吸引力,“互联网研究,22卷,不。4、467 - 481年,2012页。视图:出版商的网站|谷歌学术搜索
15. y张S.-F。刘,k . Wang“魅力因素和发展的探索钓鱼在台湾南部miryoku工程和网络分析法的基础上,“可持续性,11卷,不。3,p。737年,2019年。视图:谷歌学术搜索
16. 吴y和j . Cheng”连续模糊卡诺模型和模糊AHP模型审美产品设计:电动摩托车的案例研究,“数学问题在工程ID 4162539条,卷。2018年,13页,2018。视图:出版商的网站|谷歌学术搜索
17. m . Nagamachi y冈崎,m .石川”Kansei工程和应用粗糙集模型中,“美国机械工程师学会学报》上,我部分:系统和控制工程杂志》上,卷220,不。8,763 - 768年,2006页。视图:出版商的网站|谷歌学术搜索
18. 学术界。何鸿燊和K.-C。侯”,探索应用程序图标的有吸引力的因素。”KSII交易网络和信息系统,9卷,不。6、2015。视图:谷歌学术搜索
19. 研究。Ko,学术界。瞧,c c。陈,“人格特征对消费者偏好的影响:办公椅的情况下选择吸引力,”可持续性,10卷,不。11,4183年,页2018。视图:出版商的网站|谷歌学术搜索
20. p·h·布洛赫,s . Gopalakrishna a . t . Crecelius和m . Scatolin Murarolli,“探索展台设计展会成功的决定因素,”b2b营销杂志》,24卷,不。4、237 - 256年,2017页。视图:出版商的网站|谷歌学术搜索
21. 美国钟”,研究韩国风格展览展台设计通过细木工技术,”韩国的品牌设计协会杂志》,14卷,不。4、257 - 266年,2016页。视图:谷歌学术搜索
22. M.-S。黄,H.-C。蔡,郭宏源。黄”,应用Kansei工程工业机械展会设计,“国际工业工效学杂志》上第41卷。。1,第78 - 72页,2011。视图:出版商的网站|谷歌学术搜索
23. x y吴邦国委员长和康”,建立一个聚合模型与仪器相关界面设计基于Kansei因素电动汽车司机,”数学问题在工程卷,2020篇文章ID 8315641, 15页,2020年。视图:出版商的网站|谷歌学术搜索
24. x Kang c . s .价值链,和埃里克,“使用模糊加权关联规则挖掘方法开发客户满意的产品形式,“《智能与模糊系统,38卷,不。4、4343 - 4357年,2020页。视图:谷歌学术搜索
25. 学术界。小王和O.-Z。松林,”一个新颖的方法将客户偏好和感知到产品配置:一个案例研究在智能垫,”计算机标准和接口,35卷,不。5,549 - 556年,2013页。视图:出版商的网站|谷歌学术搜索
26. L.-X。王”,一个新的看二型模糊集和二型模糊逻辑系统,”IEEE模糊系统,25卷,不。3、693 - 706年,2017页。视图:出版商的网站|谷歌学术搜索
27. 学术界。王”,将粗糙集理论与模糊认知成对评级构造一个新的框架,开发多功能平板电脑”《工程设计卷,29号8 - 9,430 - 448年,2018页。视图:出版商的网站|谷歌学术搜索
28. j . Sanui和m .农业“现象学方法评价的地方:一个研究构造系统与地方相关评价:1,“杂志上的建筑、规划和环境工程(AIJ事务)卷。367年,第15 - 22,1986页。视图:出版商的网站|谷歌学术搜索
29. 刘,y, y Lai和m . Wang”设计元素的一种新颖的方法基于能量法和模糊质量功能展开,“国际期刊的产品开发,22卷,不。5,408 - 420年,2018页。视图:出版商的网站|谷歌学术搜索
30. k . s .山和h .西村”需求分析考虑不确定客户偏爱Kansei产品质量,“《先进的机械设计、系统和制造业,12卷,不。1,1-13,2018页。视图:出版商的网站|谷歌学术搜索
31. j .邓灰色预测和决策,华中科技大学出版社,武汉,中国,1986。
32. y,”形式下的建模语言因素不同的配色方案和基于熵的灰色关联分析方法,”模式识别与人工智能》国际期刊上,33卷,不。8,1950011页,2019年。视图:出版商的网站|谷歌学术搜索
33. T.-Y。周,”识别技术为提高中国关系质量的海洋货运代理在台湾,“海洋科学和Technology-Taiwan杂志》上,26卷,不。2、207 - 216年,2018页。视图:谷歌学术搜索
34. K.-C。王”,一个混合Kansei工程设计专家系统基于灰色系统理论和支持向量回归,”专家系统与应用程序,38卷,不。7,8738 - 8750年,2011页。视图:出版商的网站|谷歌学术搜索
35. K.-C。王”,电子商务网页设计的评价通过grey-based Kansei工程计划,”《华尔街日报》的灰色系统4卷,第404 - 391页,2011年。视图:谷歌学术搜索
36. c c。陈和M.-C。壮族”,将卡诺模型集成到一个健壮的设计方法与产品设计、提高客户满意度”国际生产经济学杂志》上,卷114,不。2、667 - 681年,2008页。视图:出版商的网站|谷歌学术搜索
37. h·l . Wu高,K.-C。王”,green-IKE基于灰色神经网络模型的推理系统人性化可持续评估关于产品的感觉,“数学问题在工程卷,2020篇文章ID 6391463、9页,2020。视图:出版商的网站|谷歌学术搜索
38. k . Hirasawa h·埃托奥,j . Hu j .村田问:熊,”通用学习网络不同参数考虑分支控制,”IEEJ交易电子、信息和系统,卷121,不。1,第105 - 98页,2001。视图:出版商的网站|谷歌学术搜索
39. 李郭f, f·m·Nagamachi m . Hu和m .李”,研究三色产品的优化考虑颜色和谐与用户的情感。”色彩研究与应用,45卷,不。1,第171 - 156页,2020。视图:出版商的网站|谷歌学术搜索
40. m . w . z . Wang Liu Yang, d .汉”产品形态设计的多目标进化算法模型基于改进SPEA2,”应用科学,9卷,不。14,2944年,页2019。视图:出版商的网站|谷歌学术搜索
41. m . Misaka和h .青山”,开发设计系统基于kansei杯表面裂缝模式,”计算设计和工程杂志》上,5卷,不。4、435 - 441年,2018页。视图:出版商的网站|谷歌学术搜索
42. c c。王,学术界。杨,c。王,T.-R。常,K.-J。杨”功能识别和形状设计运动鞋,“计算机与工业工程卷,102年,第422 - 408页,2016年。视图:出版商的网站|谷歌学术搜索
43. H.-C。沈和K.-C。王,“情感产品形式设计使用模糊Kansei工程和创造力”环境智能和人性化计算杂志》上,7卷,不。6,875 - 888年,2016页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020辉康。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。