CN113256134A - 一种基于美学工具箱的智能美学分析系统 - Google Patents
一种基于美学工具箱的智能美学分析系统 Download PDFInfo
- Publication number
- CN113256134A CN113256134A CN202110612972.6A CN202110612972A CN113256134A CN 113256134 A CN113256134 A CN 113256134A CN 202110612972 A CN202110612972 A CN 202110612972A CN 113256134 A CN113256134 A CN 113256134A
- Authority
- CN
- China
- Prior art keywords
- aesthetic
- analyzed
- analysis
- tendency
- individual
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 125
- 238000011156 evaluation Methods 0.000 claims abstract description 76
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 56
- 230000014509 gene expression Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 13
- 238000013139 quantization Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 abstract description 9
- 230000003796 beauty Effects 0.000 description 126
- 238000000034 method Methods 0.000 description 73
- 241000220225 Malus Species 0.000 description 50
- 230000008569 process Effects 0.000 description 46
- 235000021016 apples Nutrition 0.000 description 19
- 230000007613 environmental effect Effects 0.000 description 18
- 238000013473 artificial intelligence Methods 0.000 description 17
- 235000010724 Wisteria floribunda Nutrition 0.000 description 15
- JLQUFIHWVLZVTJ-UHFFFAOYSA-N carbosulfan Chemical compound CCCCN(CCCC)SN(C)C(=O)OC1=CC=CC2=C1OC(C)(C)C2 JLQUFIHWVLZVTJ-UHFFFAOYSA-N 0.000 description 14
- 238000011835 investigation Methods 0.000 description 12
- 241000282414 Homo sapiens Species 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 238000004451 qualitative analysis Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 4
- 235000009508 confectionery Nutrition 0.000 description 4
- 239000000796 flavoring agent Substances 0.000 description 4
- 235000019634 flavors Nutrition 0.000 description 4
- 239000003205 fragrance Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000002378 acidificating effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000003619 Marshal aromatic alkylation reaction Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于美学工具箱的智能美学分析系统，包括：美学工具箱，用于获取并保存一个或多个待分析个体的美学属性参数及美学倾向程度量化值；美学分析模块，用于获取所述美学工具箱保存的待分析个体的美学倾向程度量化值，并对所述待分析个体的美学倾向程度量化值采用预定的分析模式进行汇总定量分析，获得该待分析个体的美学倾向定量分析结果；美学分析结果输出模块，用于将所述美学分析模块分析获得的待分析个体的美学倾向定量分析结果输出。本发明的实现使得人们能够很容易地获知针对某个体事物的基于美学的研究分析结果，进而能够更为客观地基于美学对某个体进行科学评价。
Description
技术领域
本发明涉及人工智能技术，尤其涉及一种基于美学工具箱的智能美学分析系统。
背景技术
人类对美学的研究，特别是针对美的本质问题的研究，远自古希腊就已经开始。根据相关的美学史资料，美学研究历史上主要观点有五大类，其中包括：
古典主义：美在物体的形式，其主要观点自古希腊甚而至十八、十九世纪的欧洲都有较大影响；
新柏拉图主义和理性主义：美在完善，其主要观点也源自古希腊，经中世纪至十八、十九世纪在欧洲影响较大；
英国经验主义：美感即快感，美即愉快，其主要观点在十七、十八世纪英国影响较大；
德国古典美学：美在理性内容表现于感性形式，其主要观点在十八、十九世纪德国影响较大；
俄国现实主义：美是生活，其主要观点在十九世纪俄国影响较大。
然而，时至今日，对于美的本质问题的研究仍尚未有公认的答案。
将美学科学化观点也曾经被提出过，但是，至今仍没有系统的分析方法，尤其是量化分析方法被提出。也就是说，现有美学分析一般从美的现象开始并按照评判者自己的想法展开，没有统一的标准，各持各的观点，且缺乏量化分析方法。这就使得针对一些需要进行美学分析的个体来说，人们无法获得较为可信的针对个体事物的美学分析结果。
总之，现有技术中缺乏一种可以较为科学地针对某个体事物(如物品、食品等)基于美学分析并呈现出基于美学的分析结果的技术手段，即现有技术中没有基于美的本质即美的定义而设计、构建系统的定性、定量方法及评价体系。由于这种技术手段的缺乏导致人们无法获知对某个体事物的基于美学的研究分析结果，进而也就无法更为客观地基于美学对某个体进行科学评价。
发明内容
本发明的目的是提供一种基于美学工具箱的智能美学分析系统，为人们提供一种较为科学地针对某个体事物基于美学分析并呈现出基于美学的分析结果的技术方案。
本发明的目的是通过以下技术方案实现的：
一种基于美学工具箱的智能美学分析系统，包括：
美学工具箱，用于获取并保存一个或多个待分析个体的美学属性参数及美学倾向程度量化值，所述美学属性参数用于表达所述待分析个体的各美学特征，所述美学倾向程度量化值用于表达评价主体对待分析个体的各个美学属性参数的选择倾向程度的量化结果值；
美学分析模块，用于获取所述美学工具箱保存的待分析个体的美学倾向程度量化值，并对所述待分析个体的美学倾向程度量化值采用预定的分析模式进行汇总定量分析，获得该待分析个体的美学倾向定量分析结果；
美学分析结果输出模块，用于将所述美学分析模块分析获得的待分析个体的美学倾向定量分析结果输出。
所述美学工具箱还用于获取并保存权重属性参数，所述权重属性参数用于表达评价主体对待分析个体的各个美学属性参数的选择倾向程度量化结果的权重。
该系统还包括：
对象选择及特性赋值模块，用于选择确定一个或多个所述待分析个体及每个待分析个体的美学属性参数；以及，对选择确定的所述美学属性参数进行特性赋值处理，以确定所述美学属性参数的客观状态描述，该客观描述可采用文字表述或数字表述；
倾向取值获取模块，用于向评价主体输出基于所述对象选择及特性赋值模块确定的所述美学属性参数的客观状态描述，并获取评价主体基于所述客观状态描述确定的所述待分析个体的各个美学属性参数对应的选择倾向程度量化结果，获得所述美学倾向程度量化值；
参数发送模块，用于将所述对象选择及特性赋值模块确定的所述美学属性参数及美学倾向程度量化值发送给所述美学工具箱。
所述美学分析模块的处理步骤包括：
获取所述待分析个体的美学属性参数集合为：
B＝{Bi＝{Bij＝{Bijh＝{Bnm…}}}}，其中，i、j、h、n、m…分别等于1、2、3、…、∞；
以及，获取所述待分析个体的美学倾向程度量化值的表达为：
A＝{Ai＝{Aij＝{Aijh＝{Anm…}}}}，其中，i、j、h、n、m…分别等于1、2、3、…、∞；
建立美学倾向程度量化值的量化表达Anm…与美学属性参数Bnm…的函数式表达为：
Anm…＝f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
设不同的评价主体Ai对应Anm…权重的量值为Cnm…，则上式可进一步修正为：
Anm…＝Cnm…·f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
对运算结果进行汇总获得针对待分析个体的美学倾向定量分析结果，表达为：
∑Anm…＝∑Cnm…·f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
所述集合A和集合B中的集合元素为数字或向量或可量化的函数表达。
所述对运算结果进行汇总的步骤具体包括：
基于评价主体和/或待分析个体的一个或多个美学属性参数，进行对应的不同层级的汇总运算，获得针对所述待分析个体的美学倾向定量分析结果；其中，所述进行对应的不同层级的汇总运算包括：
获取并汇总同一评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总同一评价主体对不同待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总同一评价主体对同一个待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对同一个待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值。
所述美学分析模块包括：
比较处理子模块，用于将汇总获得的不同的美学倾向定量分析结果进行判别比较，并将所述判别比较结果发送给所述美学分析结果输出模块。
该系统还包括：
评估结果判断模块，用于根据预定的规则对所述美学分析模块汇总获得的美学倾向定量分析结果进行评估，若评估结果符合预定的规则要求，则通知所述美学分析模块将获得的美学倾向定量分析结果发送给所述美学分析结果输出模块，否则，通知所述美学分析模块重新执行美学分析处理操作。
由上述本发明提供的技术方案可以看出，本发明实施例提供的一种基于美学工具箱的智能美学分析系统可以为人们提供一种较为科学地针对某个体事物基于美学分析并呈现出基于美学的分析结果，使得人们能够很容易地获知针对某个体事物的基于美学的研究分析结果，进而能够更为客观地基于美学对某个体进行科学评价，便于人们基于更为广泛地美学原则更为科学合理地去评价和看待某个体事物，且便于人们基于科学的美学分析评价结果去选择(生产或购买或使用等)某个体事物。而且，本发明的应用还可以实现基于美学判断的人工算法，实现了对人的模仿的人工智能的根本升级；具体地可以将本发明的输出的基于美学的分析结果输出至人工智能设备，从而便于人工智能设备实现基于美学的人工智能处理，如产品或设计方案的人工智能选择，等等。
具体实施方式
在具体实现过程中，本发明提供的一种基于美学工具箱的智能美学分析系统的具体实现架构可以包括：
(1)美学工具箱
用于获取并保存一个或多个待分析个体的美学属性参数及美学倾向程度量化值；其中，所述美学属性参数用于表达所述待分析个体的各美学特征，所述美学倾向程度量化值用于表达评价主体对待分析个体的各个美学属性参数的选择倾向程度的量化结果值；
所述美学倾向程度量化值具体可以为从其他实体或单元中获取，也可以直接通过评价主体(考察主体)获得，例如，可以由评价主体直接通过相应的链接输入到系统中，并由该美学工具箱保存，可远程获取也可本地获取；
进一步地，所述美学工具箱还可以用于获取并保存权重属性参数，如环境权重等，所述权重属性参数用于表达评价主体对待分析个体的各个美学属性参数的选择倾向程度量化结果的权重，即通过权重的设置来调整外界因素对评价主体确定的选择倾向程度量化结果的实际取值。
(2)美学分析模块
用于获取所述美学工具箱保存的待分析个体的美学倾向程度量化值，并对所述待分析个体的美学倾向程度量化值采用预定的分析模式进行汇总定量分析，获得该待分析个体的美学倾向定量分析结果；
所述汇总定量分析可以为简单的加和处理，也可以为按照预定的函数进行运算处理获得；
(3)美学分析结果输出模块
用于将所述美学分析模块分析获得的待分析个体的美学倾向定量分析结果输出，通过输出的结果人们可以获知针对某个待分析个体或事物的美学评价情况，或者，该美学倾向定量分析结果也可以直接输出给其他智能设备，以便其他智能设备能够根据收到的美学倾向定量分析结果进行后续的技术处理选择，如智能选择不同个体的生产数量或修改调整个体的不同美学属性特征等等。
本发明提供的一种基于美学工具箱的智能美学分析系统中还可以包括以下模块：
(1)对象选择及特性赋值模块
通常在进行美学分析过程中首先需要确定分析对象，即待分析个体，且一个待分析个体会包含无穷个美学属性(特征)，因而通过该模块可以选择确定一个或多个所述待分析个体及每个待分析个体的美学属性参数；通过该模块还可以对选择确定的所述美学属性参数进行特性赋值处理，以确定所述美学属性参数的客观状态描述，该客观描述可采用文字表述或数字表述，例如，可以用文字客观描述下某个属性(特征)的要素(如形状、颜色特征等)，也可以用数字表述某个属性(特征)的变化程度(如用数字1-10表达水果的甜度值等)；
(2)倾向取值获取模块
用于向评价主体输出基于所述对象选择及特性赋值模块确定的所述美学属性参数的客观状态描述，并获取评价主体基于所述客观状态描述确定的所述待分析个体的各个美学属性参数对应的选择倾向程度量化结果，获得所述美学倾向程度量化值；
例如，可以将某个待分析个体的美学属性参数通过显示界面显示给用户，相应的美学属性参数为已经完成特性赋值处理的参数，这样，用户便可以根据该显示界面的内容输入自己针对各个美学属性参数的美学倾向程度量化值；当然，用户也可以设置为根据已经成特性赋值处理的美学属性参数的具体赋值情况自动进行美学倾向程度量化值的确定及上传处理，此时，评价主体相当于完成了相应设置的智能设备。
(3)参数发送模块
用于将所述对象选择及特性赋值模块确定的所述美学属性参数及美学倾向程度量化值发送给所述美学工具箱，以便于美学工具箱保存相应的美学属性参数及美学倾向程度量化值并传送给所述美学分析模块，进而进行后续的美学分析操作。
本发明提供的一种基于美学工具箱的智能美学分析系统中，所述美学分析模块的处理步骤可以包括：
获取所述待分析个体的美学属性参数集合为：
B＝{Bi＝{Bij＝{Bijh＝{Bnm…}}}}，其中，i、j、h、n、m…分别等于1、2、3、…、∞；
以及，获取所述待分析个体的美学倾向程度量化值的表达为：
A＝{Ai＝{Aij＝{Aijh＝{Anm…}}}}，其中，i、j、h、n、m…分别等于1、2、3、…、∞；
建立美学倾向程度量化值的量化表达Anm…与美学属性参数Bnm…的函数式表达为：
Anm…＝f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
设不同的评价主体Ai对应Anm…权重的量值为Cnm…，则上式可进一步修正为：
Anm…＝Cnm…·f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
对运算结果进行汇总获得针对待分析个体的美学倾向定量分析结果，表达为：
∑Anm…＝∑Cnm…·f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
在上述集合A和集合B中，各个集合元素既可以为数字，也可以为向量，或者，也可以为其他可量化的形式或函数表达。
在上述处理过程中，所述对运算结果进行汇总的步骤具体可以包括：
基于评价主体和/或待分析个体的一个或多个美学属性参数，进行对应的不同层级的汇总运算，获得针对所述待分析个体的美学倾向定量分析结果；其中，所述进行对应的不同层级的汇总运算可以但不限于包括以下几种情况：
获取并汇总同一评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总同一评价主体对不同待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总同一评价主体对同一个待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对同一个待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值。
在上述系统完成了相应的汇总处理后，该系统还可以通过以下比较处理子模块进行判别比较处理，以确定不同待分析个体的美学评价之间的差别。即所述美学分析模块还可以包括比较处理子模块，通过该子模块可以将汇总获得的不同的美学倾向定量分析结果进行判别比较，并将所述判别比较结果发送给所述美学分析结果输出模块。例如，可以针对不同的水果分别进行美学分析结果的汇总处理，之后再比较不同水果的汇总后美学分析结果，这样便可以获知人们对不同水果的评价情况。
本发明提供的一种基于美学工具箱的智能美学分析系统中还可以包括评估结果判断模块，该模块可以根据预定的规则对所述美学分析模块汇总获得的美学倾向定量分析结果进行评估，若评估结果符合预定的规则要求，则通知所述美学分析模块将获得的美学倾向定量分析结果发送给所述美学分析结果输出模块，否则，通知所述美学分析模块重新执行美学分析处理操作。该模块的设置是为了便于对美学评价结果进行良性调整，以获得更加科学准确的评价结果。
通过上述本发明提供的技术方案，使得人们能够很容易地获知针对某待分析个体的基于美学的研究分析结果，便于人们基于更为广泛地美学原则更为科学合理地去评价和看待某个体事物，以及方便人们在生产、购买或使用事物个体的过程中能够更好地进行基于美学的选择。同时，本发明提供的上述系统输出的针对某个体事物的美学分析结果还可以作为人工智能设备的输入参数，以便于人工智能设备能够基于该输入的参数进行基于美学的人工智能实现；例如，通过人工智能进行多个产品设计结果的智能选择，或者，通过人工智能设备基于相应的输入参数为用户自动选择出其期望的产品或设计方案，等等。
本发明提供的技术方案主要是围绕美的本质的客观表述(美是选择的倾向性)及其相关规律(主要包括十二个美的主要元素或规则：泛美事实规则、适度效用规则、镜像(多维动态)结构规则、谨慎执中规则、流动实现规则、梯级特征规则、异类可比规则、限度模仿规则、符号演化规则、目标实现规则、区分呈现规则、严格边界规则。)的研究所确定的与美的分析、评价、创造等活动有关的方法集成。在基于美学的分析研究过程中可以包括定性分析方法、定量分析方法、分析方法运用框架、量化界定路径说明、人工智能方式转变等等。为便于理解本发明，下面将对提出本发明提供的技术方案过程中的发明思路，以及本发明的具体实现过程进行详细描述。
在现有的美学评价体系下，由于没有美的本质的客观表述作为基础，现有美学分析一般从美的现象开始并按照批价者自己的想法展开，没有统一的标准，各持各的观点，且由于缺乏量化分析方法，使得很难建立统一的评价体系。
为解决美学研究特别是美的本质及其相关问题，明确客观的美的本质的表述形式及由此确定系统的美的现象的分析方法体系，本发明基于美的本质的客观表述，并由此推出一系列美的基本规则(或元素)，在此基础上，结合相应的数学分析工具，建立可量化的美的分析模型，为美的主观标准的表达确立客观、量化的方法体系。
为此本发明提供一种基于美学工具箱的智能美学分析系统，以实现相对科学且统一的针对个体事物的美学评价体系。美学工具箱是指围绕美的本质及其相关规律的研究所确定的与美的分析、评价、创造等活动有关的方法集成。其中包括定性分析方法、定量分析方法、分析方法运用框架、量化界定路径说明、人工智能方式转变等等。
根据美的本质研究的必要基础，即解决美学基本问题主要脉络、先后顺序、基本假设、主要前提、一般路径、有效捷径、科学工具及美的实现过程的特点，可以确定美的定义的客观表述为美是选择的倾向性，即美的评价标准可以采用评价主体对待分析个体的选择的倾向程度来衡量。
根据对美的定义的确定过程、美的实现过程、美的形式来源、美的演化过程、美的欣赏过程等的分析，可以确定十二个美的主要元素或规则。即泛美事实规则、适度效用规则、镜像(多维动态)结构规则、谨慎执中规则、流动实现规则、梯级特征规则、异类可比规则、限度模仿规则、符号演化规则、目标实现规则、区分呈现规则、严格边界规则。其中：
(1)泛美事实规则
美的现象即美的基本事实有很多，主要有美自有来，且源于美感；美美不同，即人各有美、物各有美；又美美相类，美有共通。由此可知，美的现象的共同点只有“美的”这一符号表达是相同的。这是研究“美的”出发点。通常认为“美的”表述来源于美感，但是，由于泛美现象(即美是普遍存在的)，美感与“美的”并不一一对应在。
(2)适度效用规则
美源于美感；美感源于快感；快感源于效用的实现，进一步说是欲求的满足；人的欲求包括基本欲求及其衍生欲求；通常情况下，这些欲求的满足都是对人的生存直接或间接有益(有用)的，即有效用的。因此，效用对美的约束作用是随主客观环境变化而变化的，而完全脱离效用范围去分析、创造美的事物是有问题的。适度效用不是限定效用。
(3)镜像(多维动态)结构规则
既然美是选择的倾向性，因此，要研究、分析美就要确定主观的倾向是什么，其程度如何，而一旦确定了某个倾向，也就同时确定了与其方向相反的或方向相近的诸多倾向，所以从相对静态角度看，美具有多维镜像结构(实际是多维动态镜像结构)的特性，并因镜像结构而在整个可能空间中呈现圆满状态。因此，依据美的镜像结构规则可以推导出美的现象具有矛盾、圆满、旁通等特性。
(4)谨慎执中规则
根据美的镜像结构规则，在看到事物的两端，即其两个相反相成方向时，其对称的中心点、轴、面、体、甚至作为对称原点的时间的点、段等，也是非常关键的，也就是要关注或执“中”；这一规则也包括从事物的一个侧面(越过“中”)考察或关注到其另一侧面，并不总是从两端关注“中”。
(5)流动实现规则
根据美的本质即美的定义，美的实现过程往往是比较的过程，强烈的美感意图可能导致疯狂的比较过程，很可能没有终点，因此，流动性是美的实现过程中所呈现出来的重要特征，即美是在流动(比较及变化)中实现的。具体地，美的流动性主要由于比较过程本身、比较主体及其标准的变化、被关注客体无比丰富的差异性，所有这些方面的不断变化所导致的无比丰富的主观、客观的差异性(对比关系)综合而成的。
(6)梯级特征规则
美的镜像结构规则表明美的现象本身就是差异化的呈现，比较突出的对比关系呈现，如相反关系、某方面存在巨大差异的对比关系等。这些差异从相对静态显现上(实际是动态过程)体现出梯级特征。从美的实现过程看，即通过比较过程，美以差异的比较为实现的前提条件，因而，美的实现过程的特点呈现动态的梯级特征，在此意义上，也可以说，美是梯级的。除了比较过程中的差异呈现外，还有一个重要方面，即客观现象是繁复的、多元的，但是，比较过程中二元现象相对较多。
(7)异类可比规则
由美的定义可以知道美是可以进行量化表达和分析的，也因此可以推出这样一个结论：不同对象客体及其不同的属性(特征)所呈现的“美”的程度是可以比较的，即异类可比。具体地，既然美的程度已经可以通过数量之间的对比关系来体现，那不同途径产生的相应的数值，在此所代表的相应的美的相对程度，无疑，从形式上看，是可以进行比较的。而且，量化表达的主要目的也是要寻找关系、确定量值加以比较并进行分析。这也是美的本质的客观表述对分析过程所提供的可能性。即统一的可量化的尺度可以使异类可比。
(8)目标实现规则
根据美的本质即美的定义，美欲通过比较而选择，通过选择而实现，这是美的具体实现过程。美的实现过程是强有力的、不可遏制的，其终极目标必然是大美。所以，对于美及美的实现过程，更重要的是美的终极目标，即大美或美的消失、无美。
(9)限度模仿规则
有关科学实证资料表明，模仿是人的基础性行为，也是人学习进步的前提条件。如果将艺术品限定在人造物品范围内，那么，所有艺术的“美的”最初形式都源于模仿。模仿是美的形式的重要成因和不竭源泉。限度不是限制，模仿的范围或程度可以是超级写实或极端抽象，没有绝对限制，只看适宜即可。
(10)符号演化规则
美的形式的演化过程是以简易化为主要特征的符号化过程，因为，只有简易才更易于把握。简易是对“美的”基本过程或状态的表述。从整个美的形式的演化过程看，不易之后是变易，变易之后又是简易，循环不息。任何认识对象的形式都会被纳入认识的符号化过程，因此，要想存在并持续发展，就要逐步提升。符号化不仅是美的形式的演化过程的主要特征，更是其主要趋势，伴随符号化成功的往往是空壳化—符号化的最后阶段。由于符号化前期的巨大成功，符号化后期即空壳化很可能不被充分注意到，从而失去主动求变的机会，以至达到彻底空壳化。
(11)区分呈现规则
美的实现要通过比较客观差异性来达到，而美的欣赏首先面对的是客观事物的差异性，由此，两个方向相反的过程即美的实现过程和美的欣赏过程交汇于客观事物的差异性，因此，如果要将任一事物或事物的任一方面显现为美，其基本方式应当是区分，即直接进行差异即对比关系的呈现。这一规则也可以被视作是对镜像结构、谨慎执中、流动实现、梯级特征、异类可比等规则的概括或诠释。因为，区分呈现可以是时间、空间等任何维度的差异呈现，这正与这些规则所反映的内容相贴合。
(12)严格边界规则
美的感知可以是完全自由的，但是其实现是有严格限制条件的，而其欣赏和创造也是严格受限的。要最终确定美，就必须在确定美的定义及相关规则的基础上，还要界定美的边界。而美的定义及其规则都是美的边界约束。具体地，一切与美有关的要素即引发美的缘由同时也都是美的边界。
从上述美的本质的客观表述及其主要元素或规则出发可以明确美学的定性分析方法体系。其中基于美学的定性分析方法主要内容及步骤包括：
(1)现象识别
根据美的本质的客观表述及泛美事实规则确定美的现象及其表达范围。
(2)效用分析
确定美的效用类型及效用持续强度。
(3)模仿程度
按与原型的逼真程度划分美的现象的模仿程度及发展阶段。
(4)符号特征
确定被选定的美的现象的相对符号演化阶段及符号化程度。
(5)区分特征
围绕区分呈现规则及其它相关规则，主要包括镜像(多维动态)结构规则、谨慎执中规则、流动实现规则、梯级特征规则、异类可比规则、目标实现规则、区分呈现规则，进行区分呈现的具体描述和分析。
(6)现象界定
根据严格边界规则并结合其它规则、美的本质定义，对所选定的美的现象进行详细界定和描述，直至明确其发展、演变方向。
进一步地，从上述美的本质的客观表述及其主要元素或规则出发还可以明确美学的定量分析方法体系，且基于相应的美学的定量分析方法本发明提供了基于美学工具箱的智能美学分析系统的实现方案。其中美的定量分析方法主要内容及步骤包括：
(1)定量分析类型
基于不同的考察、分析情况，相应的定量分析类型可以但不限于包括以下几种：
同一主体(即评价主体)对于不同个体(即待分析个体)的同一属性(特征)的倾向分析，即对同一美学属性参数的倾向程度的分析，所述属性(特征)或称美学属性参数是指待分析个体的美学特征参数，例如，物品的形状、颜色、口味、大小等等均可以称为物品的美学特征参数；
同一主体对于不同个体的多个属性(特征)的倾向分析；
不同主体对于不同个体的同一属性(特征)的倾向分析；
不同主体对于不同个体的多个属性(特征)的倾向分析。
其中不同主体对于不同个体的多个属性(特征)的倾向分析是通用形式。
(2)定量分析的基本模型
例如，已知任一事物(即待评价个体)的属性(特征)B集合为：
B＝{Bi＝{Bij＝{Bijh＝{Bnm…}}}}，其中i、j、h、n、m…分别等于1、2、3、…、∞。
相应地，主观选择倾向(即美学倾向程度量化值)的量化表达为一个复杂的集合：
A＝{Ai＝{Aij＝{Aijh＝{Anm…}}}}，其中i、j、h、n、m…分别等于1、2、3、…、∞。
具体地，主观选择倾向的量化表达Anm…与相应事物属性(特征)Bnm…的关系可用函数式表达，即：
Anm…＝f(Bnm…)，其中n、m…分别等于1、2、3、…、∞。
设不同观察或欣赏主体Ai对应Anm…环境赋权的量值为Cnm…，则上式可进一步修正为：
Anm…＝Cnm…·f(Bnm…)，其中n、m…分别等于1、2、3、…、∞。
对于不同层级分别分类汇总情况，可表达为：
∑Anm…＝∑Cnm…·f(Bnm…)，其中n、m…分别等于1、2、3、…、∞。
基于上述定量分析类型和定量分析的基本模型，下面将具体描述定量分析的具体实现过程包含的处理步骤。这些步骤主要包括对象选择、特性赋值、倾向取值、环境赋权、合并运算、结果运用、后期评估。
(1)对象选择
确定被考察对象(即待分析个体)及其属性(特征)，相应的属性(特征)是指待分析个体的美学属性参数。也就是说，在该步骤中需要首先筛选出需要考察的对象(待分析个体)及其主要被关注的属性(特征)。
理论上被考察对象及其属性(特征)有无穷多个，但在实际中，受人的认识能力限制及客观条件限制，更主要的是考察者(即评价主体)的主观目的等相关要求，可以且应当适当选取比较重要或有用的属性(特征)进行分析。
设事物为B，而其属性(特征)可以设为Bi，其中i＝1、2、3、…、n，其中n可以趋于无穷大，即n→∞。对于同一事物可以有很多属性(特征)，即从不同的角度去观察、分析，同一事物可以有多种不同的特性，或者说属性特征的多样性是任何事物(包括考察对象)的基本特性之一。
因此，任一事物B的属性(特征)是一个集合，即Bi∈B。
同时应当看到事物属性特征的多样性的表现形式，也包括其属性特征是多层级的。而每个属性(特征)又是其下一层级属性(特征)的集合，即有Bij∈{Bi}，其中j＝1、2、3、…、∞，同样j也可以趋于无穷大。
通常，任一事物B的属性(特征)集合可以用如下形式表述：
B＝{Bi＝{Bij＝{Bijh＝{Bnm…}}}}，其中i、j、h、n、m…分别等于1、2、3、…、∞。可见任一事物B的属性(特征)集合往往是一个多层级的复杂的集合。
(2)特性赋值
确定被考察对象相应属性(特征)的变化方向及其量值，即确定被考察对象相应属性(特征)的表达集合。
这一步骤主要是确定B＝{Bi∈{Bij∈{Bijh∈{Bnm…}}}}(i、j、h、n、m…分别等于1、2、3、…、∞)每个基本元素的具体量值。其中被考察对象相应属性(特征)的表达集合是对被考察对象相应属性(特征)的变化方向及其量值的客观描述，没有主观倾向或评估因素在其中，例如，苹果的颜色这一属性(特征)的特性赋值结果为红色或绿色或黄色等等，即针对颜色这一特征的客观描述。
(3)倾向取值
确定考察主体对被考察对象及其相应属性(特征)的倾向程度(即美学倾向程度量化值)，以构建对被考察对象相应属性(特征)的倾向的量化表达集合。
考察主体对被考察对象及其相应属性(特征)的倾向的量化表达集合是考察主体对被考察对象相应属性(特征)的主观评价，即喜好(或美)的量化表达，是主观感受或导向。通常可以采用包括打分等赋值方法在内的诸多方式表达“美的”或喜好的相对程度。例如，参照上例，当苹果的颜色这一属性(特征)的特性赋值结果为红色情况下，考察主体对该红色属性(特征)的倾向程度的具体量值即为倾向取值，该倾向取值表达了考察主体对该红色属性(特征)的倾向选择程度(或称喜好程度)。
通常，主观选择倾向的量化表达也是一个复杂的集合，与客观事物的特征一样，主观的选择倾向也是分层级的，并与客观事物某一层级的某个属性(特征)相对应。即有A＝{Ai＝{Aij＝{Aijh＝{Anm…}}}}，其中i、j、h、n、m…分别等于1、2、3、…、∞。有些情况下也可以不是一一对应的，如存在量值范围等情况。
该步骤目的是确定A＝{Ai＝{Aij＝{Aijh＝{Anm…}}}}(i、j、h、n、m…分别等于1、2、3、…、∞)每个基本元素的量值。其量值可以用整数、分数(如百分比)、小数等形式表达，只要能够区分出喜好程度的差异即可，同时需考虑量值汇总后的可比性。
(4)环境赋权，即设置权重
每个考察主体都有自己相应的社会角色或所处的不同社会环境等，对于相对确定的主体群，其中每个考察主体的社会角色是相对确定的，如父母与子女关系、行政上下级关系、雇佣与被雇佣关系等，因而，每个考察主体都是其它考察主体的环境影响因素，而环境选择的倾向具有强大的作用力，有可能是个体(被考察对象)选择倾向的决定因素，因此，需要对不同的考察主体按其社会角色进行赋权，给予相应的权重值，如一般情况下，上下级关系中上级相对具有较大的权重值(具有更高的选择权重)；家庭内父母相对拥有较大的权重值。
对于一个确定的案例，其中各个考察主体的相对关系一般来说是确定的，根据具体情况可以确定每个考察主体的环境权重值，也可以以某个(些)考察主体的权重值为相对基础，给其它考察主体赋值。
为了表达的简单，设每个考察主体的环境权重分别为Cnm…(其中n、m…分别等于1、2、3、…、∞)。这表明对于不同的被考察对象的特征(属性)考察主体的环境权重可以是不同的，因为，每个Cnm…都有相对应的Bnm…(其中同样n、m…分别等于1、2、3、…、∞)。
不排除在特殊情况下Cnm…为负值，即可能Cnm…＜0。
(5)合并运算
通过进一步合并运算确定不同层级不同分组的美的相对程度。
多数情况下还需要必要的甚至是复杂的整理运算，即降维(如当主观的倾向性表达是以向量形式时)，以达到美的最终量化且简化的表达。
主、客体(即考察主体和考察对象)分别分级分类汇总的要求主要在于应当便于进行多维横向、纵向的进一步比较，即与其它分类组进行比较、分析、判别。这一过程充分体现了异类可比规则。而需要注意的是具体的数字并不代表美的程度，只有在这些数字的比较过程中才体现出美的相对程度。
(6)结果运用
根据考察主体的要求，通过对不同层级分类分组数据进行排序、筛选，得出有价值的分析结果以满足要求。简单地说就是通过量化的形式对美的相对程度进行了表达，以输出给需要获知相应美学分析结果的人们或实体设备等。
由于客观事物的属性(特征)是多层面的、多种类的，即多维的，而作为主观选择倾向性的美也是多维的。而多维化表达并不直观也难以把握，通常的方法是通过“降维(如投影)”后归为比较直观的单维参数与“美”对应。这样，“美”或选择的倾向性就有了较简单的数量化的形式。对于不同的事物及其不同的属性(特征)就可以知道主观选择的倾向性究竟其程度有多强、方向性如何。因此，这一步骤的运算和表达过程，实质上就是进一步简化表达所述美学分析结果。
(7)后期评估。
在获取到相应的美学分析结果后，还可以运用适当方法或采用恰当的标准，对于取得的结论进行评估、验证。如果经评估、验证后需要对美学分析结果进行调整，则可以重复上述步骤重新进行美学分析，直到美学分析结果符合预定要求。
所谓调整，在具体情况下有可能非常复杂，其中有一个重要调整，就是对考察主体授权的调整，即考察主体的环境权重在不同的考察主体之间还存在强弱程度的不同，而且往往是动态的。或者，也可以通过重新执行上述步骤调整各考察主体的倾向取值，即在重新执行上述过程中考察主体可以根据自身的情况调整自己针对一个或多个属性(特征)的倾向取值，以便通过考察主体多次评价结果获得更为科学准确的美学分析结果。
具体地，在上述量化分析处理过程中的(3)和(4)采用的倾向取值、环境权重等数据的取得可以有多种来源，可以是经验数据，也可以是从运算中得到，更可以是大数据分析中取得，但对这些数据本身的要求是明确的。这些数据对于分析的有效性则需要依赖分析的要求和取得数据过程的精细化程度。
进一步地，在上述量化分析处理过程中的(3)和(4)采用的量化分析方式中还可以采用如下的向量表达形式实现：
假设Bnm…、Anm…分别是集合B、A中最基础的集合元素，则可用向量形式表达为
，其中i、j、h、n、m…分别等于1、2、3、…、∞；
，其中i、j、h、n、m…分别等于1、2、3、…、∞。其中向量
表示事物某属性(特征)变化趋势的向量表达，即美学属性参数；向量
表示对于向量
表示的事物某属性(特征)变化趋势(含方向及模量)的主观选择倾向性(含方向及模量)，即美学倾向程度量化值。
主观选择倾向的量化表达Fnm…也可由下列向量形式表达，即
相应地，对于不同层级分别分类汇总的情况，可表达为
也就是说，本发明所述的系统中的集合A和B中的元素可以为数字也可以为向量。而且，除上述本方案中例举的集合、向量等方法外，还可以采用矩阵、复数、函数关系式等形式实现相应的量化分析，具体可以根据运算的简便性及构建数学模型的方便、简捷等情况进行量化分析开工的选择。
需要说明的是，上述本发明提供的基于美学工具箱的智能美学分析系统中采用的定量分析方法还可以与前述定性分析方法综合运用，当然两者也可以单独运用。通常，其分析方法的基本框架包括美的现象识别及其相应效用性程度、模仿程度、符号演化阶段等方面的判断和分析，在此基础上进一步进行比较关系，即变化、差异方面的分析，这就需要考虑镜像(多维动态)结构规则、谨慎执中规则、流动实现规则、梯级特征规则、异类可比规则、目标实现规则、区分呈现规则等规则；总体上，最终需要运用严格区分规则充分界定美的现象的呈现状态。每个规则都可以通过确定量化分析范围以产生数量化的比较结果。
而且，基于美学工具箱的智能美学分析系统所包括的分析方法体系可以应用于任何美的现象及其相关分析，因此在实际运用过程中需要识别对象、界定范围，以进行针对特定对象和特定范围的美学评价分析。
为更好地理解本发明提供的技术方案，下面将以应用举例的方式对本发明的具体实现过程做进一步阐述。下具体将以对苹果、玩具的喜好程度分析为例进行详细说明。
在本应用实例中，选择苹果及玩具作为考察对象，其中苹果可以包括富士苹果、元帅苹果、国光苹果；玩具可以是模型玩具，如汽车模型等。
本应用实例中，基于本发明提供的基于美学工具箱的智能美学分析系统的具体的美学分析实现步骤包括：
步骤一，对象选择；即确定被考察对象及其属性(特征)，具体为首先筛选出需要考察的对象的主要被关注属性(特征)；
基于之前描述可知，任一事物B的属性(特征)集合可以用如下形式表述：
B＝{Bi＝{Bij＝{Bijh＝{Bnm…}}}}，其中i、j、h、n、m…分别等于1、2、3、…、∞；
对于苹果而言，通常其被关心的主要属性(特征)包括：外形、颜色、口感、香味、水份等等。对于汽车模型，其主要属性(特征)是能够满足人的趣味方面的要求，即趣味性。当然，趣味性仍然可以细分下去，如可操控性、外观等。
进一步还可以将这些特征进行层级化细分，如外形包括圆形(如富士苹果)、锥形(如元帅苹果)、扁圆(如国光苹果)、其它(如汽车模型)等；颜色包括偏红色(如富士苹果)、偏黄色(如元帅苹果)、偏绿色(如国光苹果)、其它(如汽车模型)等；口感包括较甜(如富士苹果)、适中(如元帅苹果)、较酸(如国光苹果)、没有(如汽车模型)等；香味也是非常复杂的参数，在此简单将其确定为较浓(如富士苹果)、适中(如元帅苹果)、较淡(如国光苹果)、没有(如汽车模型)等，实际上香味类型对于人的喜好也具有重大影响；水份可以包括较高(如富士苹果)、适中(如元帅苹果)、较低(如国光苹果)、没有(如汽车模型)四种状态；趣味性包括较高(如汽车模型)、适中、较低(如苹果)、没有等。
步骤二，特性赋值；确定被考察对象相应属性(特征)的变化方向及其量值，即确定被考察对象相应属性(特征)的表达集合；
这一步骤主要是确定B＝{Bi∈{Bij∈{Bijh∈{Bnm…}}}}(i、j、h、n、m…分别等于1、2、3、…、∞)每个基本元素的具体量值；
按本例可以有下表：
| 特征 | 富士苹果 | 元帅苹果 | 国光苹果 | 汽车模型 |
| 外形 | 圆形 | 锥形 | 扁圆 | 其它 |
| 颜色 | 偏红 | 偏黄 | 偏绿 | 其它 |
| 口感 | 较甜 | 适中 | 较酸 | 没有 |
| 香味 | 较浓 | 适中 | 较淡 | 没有 |
| 水份 | 较高 | 适中 | 较低 | 没有 |
| 趣味性 | 较低 | 较低 | 较低 | 较高 |
步骤三，倾向取值；确定考察主体对被考察对象及其相应属性(特征)的倾向程度，即构建对被考察对象相应属性(特征)的倾向的量化表达集合；具体确定A＝{Ai＝{Aij＝{Aijh＝{Anm…}}}}(i、j、h、n、m…分别等于1、2、3、…、∞)每个基本元素的量值。其量值可以用整数、分数(如百分比)、小数等形式表达，只要能够区分出喜好程度的差异即可，以及考虑量值汇总后的可比性。
本例中，设有三个考察主体，即A1、A2、A3，为直观且简化，表中在每个属性(特征)旁直接标注其量值。
其中，A1的喜好情况如下表所示：
以上是A1对苹果(富士、元帅、国光)及汽车模型喜好程度的量化表达，其外形喜好对于苹果没有特别偏好，对于汽车模型的外形比较喜好；颜色喜好偏黄色，其次是红色等；口感喜好偏甜；香味喜好偏浓；对于水果相对喜好水份高的；趣味性喜好偏向汽车模型。总体上，食用喜好偏富士、元帅两个品种，其中口感、香味、水份等特征导向明显。对于汽车模型的喜好倾向程度略弱于苹果，特别是弱于对富士苹果、元帅苹果的喜好倾向。这是从数值比较得到的结论。
同理，A2的喜好情况如下表所示：
以上是A2对苹果(富士、元帅、国光)及汽车模型喜好程度的量化表达，其外形的偏好侧重于异形，如锥形、扁圆，对于汽车模型的外形比较喜好；颜色喜好倾向不明显；口感喜好偏酸；香味喜好倾向不明显；水份喜好倾向于适中；趣味性偏向汽车模型。总体上，食用喜好对于几种苹果都有较高的倾向，更倾向于元帅，其中外形、口感等特征导向明显。对于汽车模型的喜好(倾向)程度弱于对于苹果的。
同理，A3的喜好情况如下：
以上是A3对苹果(富士、元帅、国光)及汽车模型喜好程度的量化表达，其外形的偏好对于苹果没有明显的倾向性，对于汽车模型的外形喜好倾向性较强；颜色喜好倾向偏绿偏黄；口感喜好偏酸；香味喜好倾向不明显；水份喜好倾向于低或适中；趣味性偏向汽车模型。总体上，食用喜好对于几种苹果都有较高的倾向，更倾向于国光、元帅，其中颜色、口感、水份等特征导向明显。对于汽车模型的喜好(倾向)程度最强。
步骤四，环境赋权，设定权重；即确定每个考察主体的环境权重分别Cnm…(其中n、m…分别等于1、2、3、…、∞)；
本例中，假设A1、A2、A3分别是父亲、母亲、子女，确定三个人的环境权重后，其喜好情况变化如下。
增加环境权重后，A1的喜好情况如下(假设其环境权重为1)：
| A<sub>1</sub> | 富士苹果 | 元帅苹果 | 国光苹果 | 汽车模型 |
| 外形 | 圆形(0.5，1) | 锥形(0.5，1) | 扁圆(0.5，1) | 其它(0.9，1) |
| 颜色 | 偏红(0.6，1) | 偏黄(0.7，1) | 偏绿(0.4，1) | 其它(0.6，1) |
| 口感 | 较甜(0.7，1) | 适中(0.5，1) | 较酸(0.4，1) | 没有(0，1) |
| 香味 | 较浓(0.6，1) | 适中(0.5，1) | 较淡(0.3，1) | 没有(0，1) |
| 水份 | 较高(0.6，1) | 适中(0.7，1) | 较低(0.2，1) | 没有(0，1) |
| 趣味性 | 较低(0.3，1) | 较低(0.4，1) | 较低(0.2，1) | 较高(0.9，1) |
| 加权汇总 | 3.3 | 3.3 | 2 | 2.4 |
由于环境权重值为1,其喜好情况相对自己没有变化。
增加环境权重后，A2的喜好情况如下(也假设其环境权重为1)：
| A<sub>2</sub> | 富士苹果 | 元帅苹果 | 国光苹果 | 汽车模型 |
| 外形 | 圆形(0.4，1) | 锥形(0.7，1) | 扁圆(0.6，1) | 其它(0.8，1) |
| 颜色 | 偏红(0.5，1) | 偏黄(0.6，1) | 偏绿(0.5，1) | 其它(0.7，1) |
| 口感 | 较甜(0.5，1) | 适中(0.6，1) | 较酸(0.7，1) | 没有(0，1) |
| 香味 | 较浓(0.5，1) | 适中(0.5，1) | 较淡(0.4，1) | 没有(0，1) |
| 水份 | 较高(0.5，1) | 适中(0.7，1) | 较低(0.5，1) | 没有(0，1) |
| 趣味性 | 较低(0.3，1) | 较低(0.4，1) | 较低(0.2，1) | 较高(1，1) |
| 加权汇总 | 2.7 | 3.5 | 2.9 | 2.5 |
同样，由于环境权重值为1,其喜好情况相对自己也没有变化。
增加环境权重后，A3的喜好情况如下：
由于对应汽车模型的相关环境权重下调为0.8，致使汽车模型的总体喜好程度下降到3.04，从而低于国光苹果、元帅苹果的倾向评价，说明父母亲虽然自己也比较喜好汽车模型但倾向于限制子女对于这种玩具的过度喜好。
因为父亲、母亲的环境权重相同，且相对不变，因此，以之为基准调低子女的环境权重值，这只是为了计算上的简便，分析结果不受影响。
步骤五，合并运算；通过进一步合并运算确定不同层级不同分组的美的相对程度。
本例中，通过汇总运算，可以知道：
步骤六，结果运用，即基于上述步骤五汇总运算获得的最终表格中的数据，便可以根据实际需要判断比较出不同类苹果之间的美学评价对比情况，以及汽车模型与各类苹果之间的美学评价对比情况。
步骤七，后期评估；例如，若认为上述步骤五获得的表格中的数据有不符合实际情况或预定情况，则可以对上述处理步骤涉及的可调整参数进行调整，并重复执行上述步骤，直至获得符合要求的美学评价结果。
通过上述针对本发明的描述可见，本发明在具体实现过程中，首先明确了美的本质的客观表述并由此确定十二项美的主要规则或元素，补充了美学理论空白。之后确定了美的定性、定量分析方法体系，提供了可用于任何美的现象分析的方法体系；并通过美的量化分析、表达，为统一美的评判标准，以及系统科学的美学体系确定了基础。
本发明中的量化分析方法所得到的结果输出给智能设备，则可以作为人工智能的算法基础，即基于美学判断的人工算法，实现了对人的模仿的人工智能的根本升级。使人工智能从模仿人的外在行为升级为直接模拟人的判断方式，是算法上的本质的飞跃。由于美的充分且必要条件的设定，即比较就是美(比较美学)，可以预见美的创造、欣赏过程将由传统的艺术创造、“美的”发现逐步转向通过智能化手段直接进行海量对比关系选择。也可以预见美的创造者、评论者与欣赏者在这一过程中会逐渐合体。因此，人工智能方式将由以模仿人为主转变为引导人、辅助人直接通过海量选择组合、生成目标对象为主。本发明提供的技术方案提供了该方向上的新的思路和算法的可能。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (7)
1.一种基于美学工具箱的智能美学分析系统，其特征在于，包括：
美学工具箱，用于获取并保存一个或多个待分析个体的美学属性参数及美学倾向程度量化值，所述美学属性参数用于表达所述待分析个体的各美学特征，所述美学倾向程度量化值用于表达评价主体对待分析个体的各个美学属性参数的选择倾向程度的量化结果值；
美学分析模块，用于获取所述美学工具箱保存的待分析个体的美学倾向程度量化值，并对所述待分析个体的美学倾向程度量化值采用预定的分析模式进行汇总定量分析，获得该待分析个体的美学倾向定量分析结果；
美学分析结果输出模块，用于将所述美学分析模块分析获得的待分析个体的美学倾向定量分析结果输出。
2.根据权利要求1所述的系统，其特征在于，所述美学工具箱还用于获取并保存权重属性参数，所述权重属性参数用于表达评价主体对待分析个体的各个美学属性参数的选择倾向程度量化结果的权重。
3.根据权利要求1或2所述的系统，其特征在于，该系统还包括：
对象选择及特性赋值模块，用于选择确定一个或多个所述待分析个体及每个待分析个体的美学属性参数；以及，对选择确定的所述美学属性参数进行特性赋值处理，以确定所述美学属性参数的客观状态描述，该客观描述可采用文字表述或数字表述；
倾向取值获取模块，用于向评价主体输出基于所述对象选择及特性赋值模块确定的所述美学属性参数的客观状态描述，并获取评价主体基于所述客观状态描述确定的所述待分析个体的各个美学属性参数对应的选择倾向程度量化结果，获得所述美学倾向程度量化值；
参数发送模块，用于将所述对象选择及特性赋值模块确定的所述美学属性参数及美学倾向程度量化值发送给所述美学工具箱。
4.根据权利要求3所述的系统，其特征在于，所述美学分析模块的处理步骤包括：
获取所述待分析个体的美学属性参数集合为：
B＝{Bi＝{Bij＝{Bijh＝{Bnm…}}}}，其中，i、j、h、n、m…分别等于1、2、3、…、∞；
以及，获取所述待分析个体的美学倾向程度量化值的表达为：
A＝{Ai＝{Aij＝{Aijh＝{Anm…}}}}，其中，i、j、h、n、m…分别等于1、2、3、…、∞；
建立美学倾向程度量化值的量化表达Anm…与美学属性参数Bnm…的函数式表达为：
Anm…＝f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
设不同的评价主体Ai对应Anm…权重的量值为Cnm…，则上式可进一步修正为：
Anm…＝Cnm…·f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
对运算结果进行汇总获得针对待分析个体的美学倾向定量分析结果，表达为：
∑Anm…＝∑Cnm…·f(Bnm…)，其中n、m…分别等于1、2、3、…、∞；
所述集合A和集合B中的集合元素为数字或向量或可量化的函数表达。
5.根据权利要求4所述的系统，其特征在于，所述对运算结果进行汇总的步骤具体包括：
基于评价主体和/或待分析个体的一个或多个美学属性参数，进行对应的不同层级的汇总运算，获得针对所述待分析个体的美学倾向定量分析结果；其中，所述进行对应的不同层级的汇总运算包括：
获取并汇总同一评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总同一评价主体对不同待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总同一评价主体对同一个待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的多个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对同一个待分析个体的同一个美学属性参数的美学倾向程度量化值；
获取并汇总不同评价主体对不同待分析个体的同一个美学属性参数的美学倾向程度量化值。
6.根据权利要求5所述的系统，其特征在于，所述美学分析模块包括：
比较处理子模块，用于将汇总获得的不同的美学倾向定量分析结果进行判别比较，并将所述判别比较结果发送给所述美学分析结果输出模块。
7.根据权利要求5所述的系统，其特征在于，该系统还包括：
评估结果判断模块，用于根据预定的规则对所述美学分析模块汇总获得的美学倾向定量分析结果进行评估，若评估结果符合预定的规则要求，则通知所述美学分析模块将获得的美学倾向定量分析结果发送给所述美学分析结果输出模块，否则，通知所述美学分析模块重新执行美学分析处理操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110612972.6A CN113256134A (zh) | 2021-06-02 | 2021-06-02 | 一种基于美学工具箱的智能美学分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110612972.6A CN113256134A (zh) | 2021-06-02 | 2021-06-02 | 一种基于美学工具箱的智能美学分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113256134A true CN113256134A (zh) | 2021-08-13 |
Family
ID=77185945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110612972.6A Pending CN113256134A (zh) | 2021-06-02 | 2021-06-02 | 一种基于美学工具箱的智能美学分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113256134A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103218619A (zh) * | 2013-03-15 | 2013-07-24 | 华南理工大学 | 一种图像美学评价方法 |
| US20140028695A1 (en) * | 2012-07-27 | 2014-01-30 | Disney Enterprises, Inc. | Image aesthetic signatures |
| WO2018192245A1 (zh) * | 2017-04-19 | 2018-10-25 | 中国电子科技集团公司电子科学研究院 | 一种基于美学评价的照片自动评分方法 |
| US20200019764A1 (en) * | 2018-07-13 | 2020-01-16 | Futurewei Technologies, Inc. | Portrait Image Evaluation Based on Aesthetics |
| CN112446561A (zh) * | 2019-08-13 | 2021-03-05 | 广东博智林机器人有限公司 | 广告设计图质量检测方法及装置 |
-
2021
- 2021-06-02 CN CN202110612972.6A patent/CN113256134A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140028695A1 (en) * | 2012-07-27 | 2014-01-30 | Disney Enterprises, Inc. | Image aesthetic signatures |
| CN103218619A (zh) * | 2013-03-15 | 2013-07-24 | 华南理工大学 | 一种图像美学评价方法 |
| WO2018192245A1 (zh) * | 2017-04-19 | 2018-10-25 | 中国电子科技集团公司电子科学研究院 | 一种基于美学评价的照片自动评分方法 |
| US20200019764A1 (en) * | 2018-07-13 | 2020-01-16 | Futurewei Technologies, Inc. | Portrait Image Evaluation Based on Aesthetics |
| CN112446561A (zh) * | 2019-08-13 | 2021-03-05 | 广东博智林机器人有限公司 | 广告设计图质量检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cseh et al. | A scattered CAT: A critical evaluation of the consensual assessment technique for creativity research. | |
| Valentin et al. | Projective mapping & sorting tasks | |
| Faye et al. | Perceptive free sorting and verbalization tasks with naive subjects: an alternative to descriptive mappings | |
| Wang et al. | A method for product form design of integrating interactive genetic algorithm with the interval hesitation time and user satisfaction | |
| Chen et al. | Extraction of product form features critical to determining consumers’ perceptions of product image using a numerical definition-based systematic approach | |
| Pagès | Collection and analysis of perceived product inter-distances using multiple factor analysis: Application to the study of 10 white wines from the Loire Valley | |
| Chen et al. | Consumers' perception-oriented product form design using multiple regression analysis and backpropagation neural network | |
| Jin et al. | On modified multi-output Chebyshev-polynomial feed-forward neural network for pattern classification of wine regions | |
| Hsiao et al. | A methodology for predicting the color trend to get a three‐colored combination | |
| Dawson et al. | Flavour evaluation for plant breeders | |
| Koenig et al. | Influence of expertise on semantic categorization of wine odors | |
| Pompe | City brand in the eyes of values | |
| Pagès et al. | Multiple factor analysis: Presentation of the method using sensory data | |
| Lin | A systematic approach of predicting color preference on the basis of gray relational grade | |
| Xue et al. | A method of the product form design and color design of train seats based on GRA-Fuzzy theory | |
| Boumaza et al. | Visual characterization of the esthetic quality of the rosebush | |
| CN113256134A (zh) | 一种基于美学工具箱的智能美学分析系统 | |
| Stoinski et al. | THINGS+: New norms and metadata for the THINGS database of 1,854 object concepts and 26,107 natural object images | |
| Taharim et al. | An affective design guideline to optimize higher institution websites | |
| Petiot et al. | How to comprehend and assess product semantics-A proposal for an integrated methodology | |
| Risvik | Understanding latent phenomena | |
| Li et al. | Applying image analysis to assess food aesthetics and uniqueness | |
| Hu et al. | The study of the double color matching of the elderly assistive products based on the Kansei engineering | |
| Kang et al. | Integrating evaluation grid method and support vector regression for automobile trade booth design | |
| Hu et al. | Convolutional Neural Network Models Combined with Kansei Engineering in Product Design |
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 |