CN111311070B - 联合脑电和眼动并结合用户相似度的产品设计方案决策方法 - Google Patents

联合脑电和眼动并结合用户相似度的产品设计方案决策方法 Download PDF

Info

Publication number
CN111311070B
CN111311070B CN202010061854.6A CN202010061854A CN111311070B CN 111311070 B CN111311070 B CN 111311070B CN 202010061854 A CN202010061854 A CN 202010061854A CN 111311070 B CN111311070 B CN 111311070B
Authority
CN
China
Prior art keywords
decision
scheme
matrix
maker
user similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010061854.6A
Other languages
English (en)
Other versions
CN111311070A (zh
Inventor
陆蔚华
孙天琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010061854.6A priority Critical patent/CN111311070B/zh
Publication of CN111311070A publication Critical patent/CN111311070A/zh
Priority to PCT/CN2020/105668 priority patent/WO2021147292A1/zh
Priority to JP2021506332A priority patent/JP7114133B2/ja
Application granted granted Critical
Publication of CN111311070B publication Critical patent/CN111311070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Veterinary Medicine (AREA)
  • Strategic Management (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • Psychiatry (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Psychology (AREA)
  • Game Theory and Decision Science (AREA)

Abstract

本发明公开了一种联合脑电和眼动并结合用户相似度的产品设计方案决策方法，包含三个并行的步骤：(1)采集原始脑电信号并去除伪迹和噪声，提取EEG关于情绪唤醒度的β波段和关于情绪效价的α波段，并提取事件相关电位ERPs在决策者方案选择时的电位变化；(2)采集基于眼动行为数据得到的注意程度；(3)获取决策者方案选择时间得到方案偏好程度。结合这三个数据得到隐性决策行为数据，根据决策者的选择得到显性决策数据，计算不同决策者的决策行为数据之间的关联度得到用户相似度。此方法采集显性决策行为与隐性决策行为，建立决策者‑方案之间的相关关系并计算推荐次序，形成基于用户相似度关系的优选方案集。

Description

联合脑电和眼动并结合用户相似度的产品设计方案决策方法
技术领域
本发明属于产品设计决策方法技术领域，具体涉及一种联合脑电和眼动并结合用户相似度的产品设计方案决策方法。
背景技术
在市场竞争加剧、产品生命周期日益缩短的大环境下，企业想要获得竞争优势，必须简洁设计开发流程，通过科学规范、客观有效的设计决策手段快速发掘设计方案的最优解。在产品的设计决策过程中，复杂性与不确定性是决策时间长、效率低的一个重要因素。设计决策是面向多属性群体的多目标决策问题，多属性强调意见集结并达成一致，多目标强调方案的优化需要涉及多维因素。信息过载问题逐渐显著的背景下，推荐系统作为信息过滤技术的一种重要手段被广泛应用，在海量数据中寻找不同用户之间相关联的兴趣域以构建用户之间的相似度函数，利用这种相关性进行实时推荐，这种方法同样可以解决以小样本数据为依托的产品设计决策问题，解决决策过程中决策者的多属性问题。产品开发过程中决策行为很大程度是依据对方案的整体判断，可以利用脑电波段频率和人眼注视反馈分析评价产品设计的优劣，基于人的认知评价性和知觉整体性发现决策者决策行为进行时的眼动数据，基于人在决策过程中面对不同方案的不同心理状态和情绪波动得到的脑电数据，结合前述的用户相似度寻找决策者的共同选择，解决面向群体决策过程中的多目标决策问题。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种联合脑电和眼动并结合用户相似度的产品设计方案决策方法，旨在利用用户相似度和生理测量数据得到人的“显性决策行为”和“隐性决策行为”，二者相互结合提供一种新的设计方案决策方法。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种联合脑电和眼动并结合用户相似度的产品设计方案决策方法，通过相似度计算、数据处理和相关性分析等技术，提取“显性决策行为”和“隐性决策行为”两个行为要素，两个属性的行为具有不同的权重系数，并计算得到“决策者-方案”矩阵。该方法包括以下步骤：
(1)输入满足目标产品的多种设计方案，建立目标产品设计样本库，系统以图片的形式分组展示覆盖全样本的方案；
(2)决策者点击图片分别选择展示的每一组方案，系统记录单次选择时间和总选择时间，以决策者选择方案的快慢程度表示决策者对方案的偏好程度P；
(3)决策者在选择过程中同时佩戴眼动仪和脑电，记录眼动数据和脑电数据；
(4)基于决策者对方案的选择获取的显性决策行为，同时根据其眼动数据、脑电数据和方案选择的快慢程度获取隐性决策行为，建立决策者-方案之间的行为矩阵；
(5)根据行为矩阵计算决策者之间的用户相似度，得到方案的优先度排序，方案决策矩阵D＝用户相似度×行为矩阵。
所述步骤(1)中的目标产品设计样本库，样本库S样本总数为n，Sn＝{s1，s2，...，sj}，sj表示第j个方案；在方案决策过程中以覆盖全样本的方案进行推荐，方案以图片的形式在系统界面上随机分组显示，每一次在界面上显示的方案样本数为r，r一般取3-5，
Figure GDA0002731695120000021
必须为整数。
所述步骤(2)中的决策者U总人数为q，Uq＝{u1，u2，...，ui}，ui表示第i个决策者。决策者在每一组方案选择中，选定方案则记为1，未被选择则记为0，建立人与方案的显性决策矩阵Ex(ui，sj)。其中对应每一位决策者被标记为1的方案数共计
Figure GDA0002731695120000022
所述步骤(2)中给定决策者ui选定方案j需要的时间为tcij，即单组选择时间，总选择时间为Tci；以决策者选择方案的快慢程度表示决策者对方案的偏好程度函数P(ui，sj)：
Figure GDA0002731695120000023
所述步骤(3)中分别获取决策者的眼动数据，需要采集眼跳和注视两种眼动行为，记录眼动数据的方法为，以单方案注视时长占单组方案总注视时长的比率计量决策者对方案的注意程度，注视频率同理。其中，单方案注视时长teij，单组方案总注视时长Teij，单方案注视频率feij，单组方案总注视频率Feij。本方法只计算一组方案中单方案注视时长和单方案注视频率最大的方案，即为提取最大单方案注视时长和最大单方案注视频率，所以记录的方案数为
Figure GDA0002731695120000024
建立人与方案的眼动决策矩阵E(ui，sj)：
Figure GDA0002731695120000031
所述步骤(3)中获取决策者的脑电数据需要对采集到的原始脑电信号进行伪迹去除和数字滤波处理，记录脑电数据的方法为：采集原始脑电信号，去除包括眼电、肌电在内的伪迹，利用数字滤波去除噪声，提取EEG关于情绪唤醒度的β波段和关于情绪效价的α波段，并提取事件相关电位ERPs在决策者方案选择时的电位变化。dt是指自变量为时间t的微分，fα、fβ分别指EEG关于情绪效价的α波段和关于情绪唤醒度的β波段的频率值，建立人与方案的脑电决策矩阵B(ui，Sj)：
Figure GDA0002731695120000032
所述步骤(4)中显性决策行为表示为显性决策矩阵Ex(ui，sj)，隐性决策行为Im(ui，sj)：
Im(ui，sj)＝(E，B，P)，
得到行为矩阵C：
C(ui，sj)＝(Ex(ui，sj)，Ex(ui，sj)，Ex(ui，sj))+Im(ui，sj)。
所述步骤(5)中的用户相似度计算，q个决策者中的两个决策者ux和uy，依据行为矩阵C计算用户相似度Simxy，令C(ux)表示决策者ux有过正反馈的前10个方案集合，令C(uy)为决策者uy有过正反馈的前10个方案集合，则用户相似度元素Simxy：
Figure GDA0002731695120000033
通过ux和uy的两两比较得到用户相似度Sim的矩阵，最后，得到方案决策矩阵D：D＝Sim×C。
有益效果：本发明具有如下特点：
(1)以用户相似度为基础进行的设计决策方法，利用方案筛选的结果简化繁琐的产品分析过程，为企业、团体设计决策提供了创新方法和决策支撑；
(2)本发明中以决策者的显示选择结合生理测量数据得到的隐式选择，在认知的基础上提高了决策的准确度；
(3)本发明减少了决策人员的主观性影响，以定量与定性结合的决策模式，能够精确发掘设计方向。
附图说明
图1为产品决策总流程图；
图2为方法详细流程图；
图3为产品决策平台首页；
图4为产品决策开始界面；
图5为决策数据展示界面；
图6为产品决策结果输出界面。
具体实施方式
本发明公开了一种联合脑电和眼动并结合用户相似度的产品设计方案决策方法，解决在设计决策过程中人的认知模糊性和主观性影响使方案评选结果可靠性偏低的问题。本发明提出的设计方案决策新方法，适用于设计方案的评估与测试阶段，是利用设计样本库中的方案集进行进一步的筛选处理。从筛选的原理出发，本方法适用于消费型产品的设计。方法包含三个并行的步骤，第一个分支步骤：采集原始脑电信号，去除眼电、肌电等伪迹，利用数字滤波去除噪声，提取EEG关于情绪唤醒度的β波段和关于情绪效价的α波段，并提取事件相关电位ERPs在决策者方案选择时的电位变化；第二个分支步骤采集眼跳、注视和凝视三种眼动行为数据；第三个分支获取决策者方案选择的时间得到偏好程度。结合这三个步骤的数据得到隐性决策行为数据，根据决策者的选择得到显性决策数据，计算不同决策者的决策行为数据之间的关联度得到用户相似度。此方法采集显性决策行为与隐性决策行为，建立决策者-方案之间的相关关系，计算基于这个相关关系的方案推荐次序，形成基于用户相似度关系的优选方案集。
下面结合附图和实施例对本发明作更进一步的说明。
一种联合脑电和眼动并结合用户相似度的产品设计方案决策方法，通过相似度计算、数据处理和相关性分析等技术，提取“显性决策行为”和“隐性决策行为”两个行为要素，两个属性的行为具有不同的权重系数，并计算得到“决策者-方案”矩阵。该方法包括以下步骤：
1.操作者登陆后进入本产品设计方案决策系统首页，点击“新建实验”添加实验名称，添加满足目标产品的设计方案即建立目标产品设计样本库，系统以图片的形式分组展示覆盖全样本的方案，然后进行实验参数设置如界面单组样本显示数、单组最低实验时间、参与实验的决策者人数等，如图3所示。
2.每个决策者在操作者的指引下查看系统首页右侧栏的“注意事项”，进行预实验选择一组满意的方案，如图3。理解完毕后，决策者在操作者协助下同时佩戴眼动仪和脑电，以记录眼动数据和脑电数据。决策者输入自已的个人基本信息，点击“开始实验”如图4。
3.实验记时开始，决策者在大于等于最低实验限定时间要求的条件下，点击图片选择其认为符合决策目标展示的方案，方案分组展示。系统记录单次选择时间和总选择时间，以决策者选择方案的快慢程度表示决策者对方案的偏好程度P。最后一组展示完毕后，实验自动结束记时；
4.如图5查看实验数据记录，实验获取的眼动数据与脑电数据是按时间一一对应的。基于决策者对方案的选择获取的显性决策行为，同时根据其眼动数据、脑电数据和方案选择的快慢程度获取隐性决策行为，建立决策者-方案之间的行为矩阵；
5.根据行为矩阵计算决策者之间的用户相似度，得到方案的优先度排序，方案决策矩阵D＝用户相似度×行为矩阵。计算的过程在系统后台进行，图6所示为以图片形式展示的决策最佳方案组，最左边的图片展示的产品为实验最佳决策方案。
所述步骤(1)中的目标产品设计样本库，样本库S样本总数为n，Sn＝{s1，s2，...，sj}，sj表示第j个方案；在方案决策过程中以覆盖全样本的方案进行推荐，方案以图片的形式在系统界面上随机分组显示，每一次在界面上显示的方案样本数为r，r一般取3-5，
Figure GDA0002731695120000051
必须为整数。
所述步骤(2)中的决策者U总人数为q，Uq＝{u1，u2，...，ui}，ui表示第i个决策者。决策者在每一组方案选择中，选定方案则记为1，未被选择则记为0，建立人与方案的显性决策矩阵Ex(ui，sj)。其中对应每一位决策者被标记为1的方案数共计
Figure GDA0002731695120000052
所述步骤(2)中给定决策者ui选定方案j需要的时间为tcij，即单组选择时间，总选择时间为Tci；以决策者选择方案的快慢程度表示决策者对方案的偏好程度函数P(ui，sj)：
Figure GDA0002731695120000053
所述步骤(3)中分别获取决策者的眼动数据，需要采集眼跳和注视两种眼动行为，记录眼动数据的方法为，以单方案注视时长占单组方案总注视时长的比率计量决策者对方案的注意程度，注视频率同理。其中，单方案注视时长teij，单组方案总注视时长Teij，单方案注视频率feij，单组方案总注视频率Feij。本方法只计算一组方案中单方案注视时长和单方案注视频率最大的方案，即为提取最大单方案注视时长和最大单方案注视频率，所以记录的方案数为
Figure GDA0002731695120000061
建立人与方案的眼动决策矩阵E(ui，sj)：
Figure GDA0002731695120000062
所述步骤(3)中获取决策者的脑电数据需要对采集到的原始脑电信号进行伪迹去除和数字滤波处理，记录脑电数据的方法为：采集原始脑电信号，去除包括眼电、肌电在内的伪迹，利用数字滤波去除噪声，提取EEG关于情绪唤醒度的β波段和关于情绪效价的α波段，并提取事件相关电位ERPs在决策者方案选择时的电位变化。dt是指自变量为时间t的微分，fα、fβ分别指EEG关于情绪效价的α波段和关于情绪唤醒度的β波段的频率值，建立人与方案的脑电决策矩阵B(ui，sj)：
Figure GDA0002731695120000063
所述步骤(4)中显性决策行为表示为显性决策矩阵Ex(ui，sj)，隐性决策行为Im(ui，sj)：
Im(ui，sj)＝(E，B，P)，
得到行为矩阵C：
C(ui，sj)＝(Ex(ui，sj)，Ex(ui，sj)，Ex(ui，sj))+Im(ui，sj)。
所述步骤(5)中的用户相似度计算，q个决策者中的两个决策者ux和uy，依据行为矩阵C计算用户相似度Simxy，令C(ux)表示决策者ux有过正反馈的前10个方案集合，令C(uy)为决策者uy有过正反馈的前10个方案集合，则用户相似度元素Simxy：
Figure GDA0002731695120000064
通过ux和uy的两两比较得到用户相似度Sim的矩阵，最后，得到方案决策矩阵D：D＝Sim×C。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种联合脑电和眼动并结合用户相似度的设计方案决策方法，其特征在于：将决策者的主观选择作为显性决策数据，决策者的眼动数据、脑电数据及偏好程度作为隐性决策数据，结合不同决策水平计算用户相似度，得到产品的最后决策，包括以下步骤：
(1)建立目标产品设计方案样本库；
(2)决策者选择方案样本，根据其显性决策行为得到显性决策矩阵Ex；
(3)系统记录单组样品选择时间和总选择时间，以快慢程度表示偏好程度函数P；决策者在选择过程中同时佩戴眼动仪和脑电仪，记录眼动数据和脑电数据，得到眼动决策矩阵E、脑电决策矩阵B；得到隐性行为矩阵Im为：Im＝(E，B，P)；
(4)建立决策者-方案样本之间的相关关系，即行为矩阵C：C＝(Ex，Ex，Ex)+Im；
(5)根据行为矩阵C计算决策者之间的用户相似度Sim矩阵，q个决策者中的两个决策者ux和uy，依据行为矩阵C计算用户相似度Simxy，令C(ux)表示决策者ux有过正反馈的前10个方案集合，令C(uy)为决策者uy有过正反馈的前10个方案集合，则用户相似度元素Simxy：
Figure FDA0002731695110000011
通过两两比较得到用户相似度Sim的矩阵；
(6)最终的方案决策矩阵D为用户相似度矩阵与行为矩阵的共同结果：D＝Sim×C；
步骤(2)中，决策者在每一组方案选择中，选定方案则记为1，未被选择则记为0，建立人与方案的显性决策矩阵Ex(ui，sj)，其中，ui表示第i个决策者，sj表示第j个方案；
步骤(3)中，眼动决策矩阵Eij为：
Figure FDA0002731695110000012
其中，单方案注视时长teij，单组方案总注视时长Teij，单方案注视频率feij，单组方案总注视频率Feij；
步骤(3)中，脑电决策矩阵Bij为：
Figure FDA0002731695110000013
决策者ui选定方案sj需要的时间为tcij，即单组选择时间；dt指自变量为时间t的微分，fα、fβ分别指EEG关于情绪效价的α波段和关于情绪唤醒度的β波段的频率值；
步骤(3)中，以决策者选择方案的快慢程度表示决策者ui对方案sj的偏好程度函数P(ui，sj)：
Figure FDA0002731695110000021
其中，tcij为决策者ui选定方案sj需要的时间，即单组选择时间；Tci为总选择时间。
CN202010061854.6A 2020-01-20 2020-01-20 联合脑电和眼动并结合用户相似度的产品设计方案决策方法 Active CN111311070B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010061854.6A CN111311070B (zh) 2020-01-20 2020-01-20 联合脑电和眼动并结合用户相似度的产品设计方案决策方法
PCT/CN2020/105668 WO2021147292A1 (zh) 2020-01-20 2020-07-30 联合脑电和眼动并结合用户相似度的产品设计方案决策方法
JP2021506332A JP7114133B2 (ja) 2020-01-20 2020-07-30 脳波と眼球運動をユーザ類似性と組み合わせた製品設計の決定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010061854.6A CN111311070B (zh) 2020-01-20 2020-01-20 联合脑电和眼动并结合用户相似度的产品设计方案决策方法

Publications (2)

Publication Number Publication Date
CN111311070A CN111311070A (zh) 2020-06-19
CN111311070B true CN111311070B (zh) 2020-12-25

Family

ID=71144908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010061854.6A Active CN111311070B (zh) 2020-01-20 2020-01-20 联合脑电和眼动并结合用户相似度的产品设计方案决策方法

Country Status (3)

Country Link
JP (1) JP7114133B2 (zh)
CN (1) CN111311070B (zh)
WO (1) WO2021147292A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311070B (zh) * 2020-01-20 2020-12-25 南京航空航天大学 联合脑电和眼动并结合用户相似度的产品设计方案决策方法
CN112232861A (zh) * 2020-10-10 2021-01-15 上海外国语大学 一种基于神经相似性分析的平面广告测评方法及系统
CN112541668A (zh) * 2020-12-09 2021-03-23 北京意图科技有限公司 产品体验自动评估方法和系统
CN112932487B (zh) * 2021-01-22 2021-11-23 南京航空航天大学 基于眼动、心率变异性和行为的人机实验数据分析方法
CN112545519B (zh) * 2021-02-22 2021-06-04 之江实验室 一种群体情感同质性的实时评估方法和评估系统
CN113729711B (zh) * 2021-09-30 2023-10-13 深圳航天科技创新研究院 脑电信号分析方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104503916A (zh) * 2015-01-05 2015-04-08 中国石油大学(华东) 一种系统界面可用性定量评估方法
CN107045624A (zh) * 2017-01-06 2017-08-15 南京航空航天大学 一种基于最大加权团的脑电信号预处理与分类方法
CN107256332A (zh) * 2017-05-24 2017-10-17 上海交通大学 基于眼动数据的脑电实验评估系统及方法
CN107274223A (zh) * 2017-06-13 2017-10-20 杭州电子科技大学 融合脑电信号与注视跟踪特征的广告评估方法
CN108446635A (zh) * 2018-03-19 2018-08-24 西北大学 一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法
CN109567831A (zh) * 2018-11-30 2019-04-05 贵州大学 一种视觉认知神经机制下产品的偏好意象识别系统和方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004342119A (ja) * 2004-06-11 2004-12-02 Kenji Mimura 商品デザイン評価方法
CN102521505B (zh) * 2011-12-08 2014-11-26 杭州电子科技大学 用于控制意图识别的脑电和眼电信号决策融合方法
US10068060B2 (en) * 2012-08-16 2018-09-04 Ginger.io, Inc. Method for modeling behavior and psychotic disorders
JP6435888B2 (ja) * 2015-01-30 2018-12-12 富士通株式会社 アイテム推薦プログラム、装置、及び方法
CN105243199A (zh) * 2015-11-23 2016-01-13 邓俊生 一种产品外观设计系统
CN109558005B (zh) * 2018-11-09 2023-05-23 中国人民解放军空军工程大学 一种自适应人机界面配置方法
CN109993131B (zh) * 2019-04-04 2021-03-16 北京理工大学 一种基于多模态信号融合的设计意图判别系统及方法
CN110414856B (zh) * 2019-08-01 2022-05-17 秒针信息技术有限公司 一种评估营销信息设计质量的方法及装置
CN110432915B (zh) * 2019-08-02 2022-03-25 秒针信息技术有限公司 一种评估信息流创意的方法及装置
CN111311070B (zh) * 2020-01-20 2020-12-25 南京航空航天大学 联合脑电和眼动并结合用户相似度的产品设计方案决策方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104503916A (zh) * 2015-01-05 2015-04-08 中国石油大学(华东) 一种系统界面可用性定量评估方法
CN107045624A (zh) * 2017-01-06 2017-08-15 南京航空航天大学 一种基于最大加权团的脑电信号预处理与分类方法
CN107256332A (zh) * 2017-05-24 2017-10-17 上海交通大学 基于眼动数据的脑电实验评估系统及方法
CN107274223A (zh) * 2017-06-13 2017-10-20 杭州电子科技大学 融合脑电信号与注视跟踪特征的广告评估方法
CN108446635A (zh) * 2018-03-19 2018-08-24 西北大学 一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法
CN109567831A (zh) * 2018-11-30 2019-04-05 贵州大学 一种视觉认知神经机制下产品的偏好意象识别系统和方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Affective design of products using an audio-based protocol:Application to eyeglass frame";Weihua Lu et al;《International Journal of Industrial Ergonomics》;20140313;383-394 *
"Applications and Innovations of Eye-movement Research in Judgment and Decision Making";NATHANIEL J. S. ASHBY et al;《Wiley Online Library》;20161231;96-102 *
"决策过程的追踪：基于眼动的证据";魏子晗 等;《心理科学进展》;20151231;第23卷(第12期);2029-2041 *
"联合眼动和脑电的汽车工业设计用户体验评选";唐帮备 等;《计算机集成制造系统》;20150630;第21卷(第6期);1449-1459 *

Also Published As

Publication number Publication date
JP7114133B2 (ja) 2022-08-08
WO2021147292A1 (zh) 2021-07-29
JP2022520911A (ja) 2022-04-04
CN111311070A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN111311070B (zh) 联合脑电和眼动并结合用户相似度的产品设计方案决策方法
CN112932502B (zh) 结合互信息通道选择与混合神经网络的脑电情感识别方法
CN108446635B (zh) 一种利用脑电信号辅助偏好获取协同过滤推荐系统及方法
Dutta et al. Deep learning-based multi-head self-attention model for human epilepsy identification from EEG signal for biomedical traits
CN114224342B (zh) 一种基于时空融合特征网络的多通道脑电信号情绪识别方法
Sawangjai et al. EEGANet: Removal of ocular artifacts from the EEG signal using generative adversarial networks
CN114533086B (zh) 一种基于空域特征时频变换的运动想象脑电解码方法
CN110059232B (zh) 一种基于用户体验度量的数据可视化方法
CN113554597B (zh) 一种基于脑电特征的图像质量评价方法及装置
Wan et al. EEGformer: A transformer–based brain activity classification method using EEG signal
CN115659207A (zh) 一种脑电情绪识别方法及系统
CN117883082A (zh) 一种异常情绪识别方法、系统、设备及介质
Shi et al. Categorizing objects from MEG signals using EEGNet
CN117204865A (zh) 基于欠阻尼二阶随机共振的稳态视觉诱发电位视觉疲劳量化方法
Sutharsan et al. Electroencephalogram signal processing with independent component analysis and cognitive stress classification using convolutional neural networks
Avramidis et al. Enhancing affective representations of music-induced EEG through multimodal supervision and latent domain adaptation
CN113269084B (zh) 基于观众群体情感神经相似性的影视剧市场预测方法及系统
CN115270847A (zh) 基于小波包分解和卷积神经网络的设计决策脑电识别方法
Rostam et al. Classification of brainwave signals based on hybrid deep learning and an evolutionary algorithm
CN113261980A (zh) 一种基于脑电联合特征学习的大规模视觉分类方法及装置
Wang et al. MGEED: A Multimodal Genuine Emotion and Expression Detection Database
Zhang et al. Cross-patient automatic epileptic seizure detection using patient-adversarial neural networks with spatio-temporal EEG augmentation
Kushwaha et al. Deep Learning for Visual Perceptual Brain Decoding as Image Classification
Wang et al. The establishment and application of a micro-expression dataset with EEG signals
Chavan et al. Recurrence Quantification Analysis of EEG signals for Children with ASD

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant