第46卷第2期 机 械 工 程 学 报 2010年1月 Jan. 2010 JOURNAL OF MECHANICAL ENGINEERING DOI： * 产品设计中用户感知意象的思维结构1, 2222张艳河 杨 颖 罗仕鉴 潘云鹤 (1. 华南农业大学艺术学院 广州 510642； 2. 浙江大学计算机科学与技术学院 杭州 310027) 摘要：为获取产品总意象、子意象和产品构成元素之间的关系，分析了产品设计中用户感知意象的生成机制，并提出了感知意象思维结构的模型。以太阳镜外形为研究案例，采用多元自适应回归样条技术构建产品总意象与造型、色彩、材质和光影子意象的关系模型，据此应用子意象最低规则和意象值近似规则，在Matlab软件中求解四个子意象的最优组合。采用回归树技术得到各子意象与产品构成元素的关系模型，进一步地以感知意象区间为基础，求解对应于四个最优子意象的最优产品构成元素，据此得到对应于用户感知意象的最优产品构成元素组合。研究表明：在感知意象的思维结构中，产品子意象与构成元素的关系可用树结构表征，而与产品总意象之间存在复杂的映射关系。 关键词：用户感知意象 工业设计 产品构成元素 回归树 多元自适应回归样条 中图分类号：TH166 Mental Construction of User Perception Image in Product Design 1, 2222ZHANG Yanhe YANG Ying LUO Shijian PAN Yunhe (1. College of Arts, South China Agricultural University, Guangzhou 510642; 2. College of Computer Science and Technology, Zhejiang University, Hangzhou 310027) Abstract：In order to obtain the relationships among the product whole perception image (PWPI), the product sub-perception image (PSPI) and the product elements (PE), the formation mechanism of the user perception image (UPI) is analyzed in product design, and the UPI model of mental construction is proposed. By taking the sun glasses as an example, the mapping relationship between the PWPI and four PSPI . form, color, material and shade, is built by applying the multivariate adaptive regression splines. And then the optimum combination of the four PSPI is solved in Matlab software by using the most approximate and the lowest image-value rules. The relation model between PE and each PSPI is established by making use of the regression tree. The optimal PE combination related to the optimum four PSPI is further obtained on the basis of UPI interval. And then the optimum PE combination related to certain UPI is obtained. The study shows that, in the mental construction of the user perception image, there is complicated relationship between PWPI and PSPI, and the tree structure can represent the relation between PSPI and PE. Key words：User perception image Industrial design Product elements Regression tree Multivariate adaptive regression splines 行性。随着科技的迅猛发展及用户收入的日益增*[1]0 前言长，用户精神需求逐渐成为产品设计的重点。在 此背景下，产品设计不仅仅强调完美的物化与功能[2]传统产品设计一般从用户功能需求出发，综合语言形式，还强调用户感知意象与产品体验。 材料、技术、设备和成本等因素考虑实施生产的可感知意象是指用户凭借自身感官对产品所产生的联想，它与视觉、用户生活经验、文化背景等 * 国家自然科学基金(60503068)、国家高技术研究发展计划(863计划，因素相关，属于心理活动的范畴，可以进行定量研2006AA04Z103)、国家科技支撑计划(2007BAH11B04)和浙江省自然[3]科学基金(Y104256)资助项目。20090115收到初稿，20090622收到修究。目前，相关的研究主要集中在感知意象获取改稿
月2010年1月 张艳河等：产品设计中用户感知意象的思维结构179 与感知意象表达上。在感知意象获取方面，该整体最相似的构成元素组合，并将对应于该组合[4][5][16]CHUANG等应用OSGOOD等提出的语意差异的子意象作为产品子意象，从而形成造型、色 [17][18]法(Semantic differential method, SDM)来研究手机彩、光影和材质等子意象。接下来，用户将多[6][15]意象，NAGAMACHI用感性工学方法获取感知意个子意象加工成具有内在结构的整体，并根据子[7]象，PETIOT等用层次分析法(Analytical hierarchy 意象的感知环境，在长时记忆库中寻找与该整体最[8]process, AHP)分析玻璃杯意象，张军等用意象尺相近的子意象组合，其对应的感知意象为总意象。 [9]度研究数控机床。在感知意象表达方面，朱斌等提出一种基于产品平台参数的辨识方法，[10-11]SCHÜTTE等用质量功能展开(Quality function deployment，QFD)等技术将感知意象转化图2 用户感知意象的形成机制 [12-13]为设计方案，CHUANG等构建感知意象与产对于感知意象的解构而言，我们也可以逆向求品构成元素的匹配关系。 [13][14]解。逆向求解以总意象和子意象、以及子意象 上述研究将感知意象作为模糊的整体，为感和构成元素的关系为基础，其求解过程为：总意 知意象研究提供了有效方法，但仍存在一些不足：象——子意象——构成元素。 感知意象是一个复杂的认知过程，已有研究并未深入探讨用户感知意象与产品构成元素的内在关联2 思维结构求解的关键技术 机制。本文探讨了产品设计中用户感知意象的认知思维结构，并分析造型、色彩、材质和光影等子意感知意象的形成与求解机制表明：总意象、子象、总感知意象(简称总意象)和产品构成元素的内意象与构成元素的关系是思维结构的核心。为了探在关联机制。应用多元自适应回归样条(Multiple 讨思维结构，需要研究四个关键问题：构建总意象adjusted regression splines, Mars)技术建立总意象与与子意象的关系、选择对应于总意象的最优子意子意象的匹配关系，应用回归树技术构建子意象与象、构建子意象与构成元素的关系和选择最合适构产品构成元素的关系，进而讨论感知意象思维结构成元素。这四个问题可用以下技术予以解决。 的特点。 总意象与子意象的匹配关系 根据总意象W与子意象X的评测分析，构建1 用户感知意象的思维结构 总意象与子意象的匹配关系，其关系表达式为 W = f(X)(1)感知意象的思维结构(简称思维结构)是指用户式中X = (X, X, X, X), X、X、X和X分别表示在感知产品的过程中，总意象、子意象和产品构成12341234造型、光影、材质和色彩子意象，f(X)指总意象与元素之间形成的关系。在产品设计中，总意象由各子意象的关系表达式。 种子意象组成；子意象一般分为造型、光影、材质、[19]该问题属于高维问题，可用Mars进行分析。色彩等类型，而各子意象由产品构成元素(简称构成Mars根据子意象X(k =1, 2, 3, 4)的变化范围，使用元素k)引起，可以用图1进行解释。 形如(X–t)和(t–X)的分段基函数展开式，构建总k+k+意象与子意象的匹配关系，其中下标“+”表示正的部分。 如果X>t, (X–t) = X–t，否则(X–t) = 0；且kk+kk+如果X<t，则 (t–X)= t–X，否则(X–t)= 0。作为kk+kk+ 一个例子，(X–)和(–X)如图3所示。 k+k+图1 产品设计中感知意象的思维结构模型 与神经网络相比，采用Mars得到的结果不仅思维结构可用两种机制来描述：感知意象的形精度更高，还可用表达式描述总意象与子意象的关成机制和感知意象的求解机制。系，因而更适合解决本问题。 感知意象的形成过程为：多种构成元素—子意 求解最优子意象 象—总意象，如图2所示。首先，用户根据个人经对于总意象W，根据式(1)搜索意象空间X，可验、知识和产品使用环境，将构成元素加工成具有得到一组解Y ( X, X, X, X)。由于可能存在多组1i2i3i4i[15]内在结构的整体。然后搜寻长时记忆库，寻找与解，需要采用相关原则求解最优子意象X′。本研究 i
180 机 械 工 程 学 报 第46卷第2期期 min g(Y) =f(Y)(2) 图4 回归树技术 对应于该子意象的构成元素则为最合适的构成元素。所选子意象与最优子意象存在误差，如果误差较大就降低了结果的准确性，因而需要保证该误差处于感知意象区间内。 图3 Mars使用的基函数(X–)(实线)和(– X)(虚线) 感知意象区间是指感知意象数值(简称感知意k+k+ 象值)的波动幅度，该感知意象值是指用户在不同时采用总体子意象值最低原则和感知意象值近似原刻对同一产品的意象感知。处于感知区间的子意则。所谓总体子意象值最低原则，是指造型、色彩、象，其差异难以被用户准确识别，因而均可作为最材质和光影等子意象值之和为最小值；感知意象近优子意象X′的近似值。 i似原则是指总意象与子意象的数值差距处于一定AHP通过比较两款产品在某意象上的相对重范围内。采用下列表达式求解最优子意象 [7]要程度，间接得到产品意象值。与SDM相比，式中Y= (X, X, X, X), X, X, X和X分别表示1i2i3i4i1i2i3i4iAHP可解决由多次测试引起的长时记忆问题，适合造型、色彩、材质和光影子意象的解，g(Y)表示一解决本问题。应用AHP得到同一产品在不同时刻组子意象解之和，f(Y)指总意象与子意象的匹配 的意象感知，并按式(3)进行处理 关系。 子意象与构成元素的匹配关系 σ=X−X (3) ii∑ini=1为了获取对应于子意象的构成元素，需要构建子意象与构成元素的匹配关系。该问题实质上是用同一产品经n次测试得到的意象值X，各次测i构成元素预测子意象，属于回归问题，因此可用回试与总意象平均值的差为σ。对于所有产品的σ，ii[20][22]归树技术解决。应用回归树技术得到的结果易于将处于95%范围内的σ作为感知意象区间。 i理解、使用、说明和解释，且数据越复杂，变量越[21]多，其优越性越明显。 3 感知意象的思维结构案例 回归树技术能清晰地描述子意象与构成元素的关系。在图4中，“(•)”表示非终节点，“[•]”表本文以太阳镜为案例，获取总意象与子意象、示终节点，N表示感知意象值。在该图中，以子意子意象与构成元素的关系，据此研究用户感知意象象空间L为根节点，按照一定规则进行分割。该规的思维结构。本研究分为五个步骤，如图5所示。 则包括构成元素的分裂变量C和分裂点S，其中分裂变量C指构成元素的类型，例如太阳镜眼镜杆宽度被分为细、中和宽三类，分别用1、2和3表示，这三类特征即分裂变量，而分裂点S在[0, 3]内取值。分割产生两个节点，即子集L，L，满足L = L1∪12L，且L∩L=0。该过程回归地对L和L重复进行，21212直至按照某种标准，节点无法再分而成为最终叶节点，该叶节点的意象值为N。叶节点表示具有共同构成元素的子意象，如图4中L为叶节点，其意12象值可用N表示，其构成元素为C(S)、C(S)、31122 C(S)和C(S)，且构成元素之间关系平等。 4466图5 感知意象思维结构的研究流程 选择最合适的构成元素 获取总意象与子意象的评测结果 根据子意象与构成元素的匹配关系，求解最接本阶段先获取能代表太阳镜的感知意象词(简近最优造型、色彩、材质和光影子意象X′的子意象， i
月81 2010年1月 张艳河等：产品设计中用户感知意象的思维结构1 称意象词)，再得到总意象与子意象的测试材料。应X和X的值分别为、、和。 34用意象词与测试材料，测试被试对太阳镜总意象与 构建子意象与构成元素的匹配关系 子意象的感知，其过程如图5中第一步所示。 选择3名太阳镜设计专家，让其列出太阳镜构(1) 选择代表性意象词。从网页、报刊和专业成元素，结果如表1所示。 杂志中选择太阳镜意象词121个，让8名产品设计表1 太阳镜各产品要素的构成元素 专家进行感知意象评估，得到8个重要意象词：时产品要素 构成元素 尚、高科技、舒适、男性、安全、漂亮、精致和运上边、下边、左边、右边、上角、下角、左角、镜片 动。以30款太阳镜为测试材料，以40名某高校四右角、大小、弧面 年级设计类本科生为被试，应用8个意象词测试被镜片架 上边、下边、左边、右边、断面造型 造[2]型 镜片连接处上边、下边、断面造型 试的意象感知，并用因子分析处理感知结果。结鼻翼架 形状 果表明“漂亮”的因子负荷量最高()，因而“漂眼镜杆 宽度、断面造型、装饰 亮”为太阳镜的代表性意象词。 色色相 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆(2) 获取总意象与子意象的测试材料。从网页彩 彩度 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆和专业杂志中选择200款太阳镜，以40名某高校材料 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆材四年级设计类本科生为被试，采用SDM测试被试肌理 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆质 对总意象“漂亮”的意象感知，并且用聚类分析处透明度 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆[13]理测试结果。根据聚类分析结果，让8名产品设亮度 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆计专家选择代表性太阳镜50款。应用软件对50款光对比度 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆影 高光 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆太阳镜进行处理，得到太阳镜总意象和子意象(包括光影过渡 镜片、镜片架、镜片连接处、鼻翼架、眼镜杆造型、色彩、材质和光影)的测试材料。 (3) 总意象与子意象测试。应用太阳镜总意象首先对表1中太阳镜构成元素的类型进行标和子意象测试材料，以40名某高校四年级设计类注，例如，眼镜杆肌理分光滑、亚光和纹理三类，本科生为被试，测量被试对太阳镜总意象(漂亮)和分别用1、2、3表示。然后，将子意象作为因变 子意象(漂亮)的意象感知，并将测试结果作为第量，对应于子意象的构成元素作为自变量，应用回节和第节的分析基础。 归树技术在Weka中编程实现，得到子意象与构成 构建总意象与子意象的匹配关系 元素的匹配关系，结果如图6～9所示。在以下描以太阳镜总意象为因变量，子意象为自变量，述中，构成元素的分裂变量和分裂点一起被称作构将第节中总意象与子意象的测试结果输入到成元素。 Mars软件中，得到总意象与子意象的关系表达式，其方均误差值为 W = + (0, X–1) + (0, X–1)+(0, X–1) + (0, X–1) – (0, X–4) + (0, X–3)–(0, X–4)+ 14 图6 造型构成元素与造型漂亮值的匹配关系 max(0, X–3)–(0, X–2) (4) 33C：镱片上边 C：眼镜杆宽度 C：镱片架上边 C：镱片下边 1234C：眼镜杆断面造型 C：镱片右边 C：镱片弧面 C：镱片左边 5678式中，X、X、X和X分别表示造型、光影、材质1234N= N= N= N= N= 12345N= N= N= N= N= 678910与色彩子意象(漂亮)值；W表示总意象(漂亮)值。 N= N= N= N= 选择对应于漂亮值的最优子意象 图6描述了太阳镜造型构成元素与造型漂亮值本阶段以总意象值为例，根据总体子意象的关系。图6中C表示太阳镜造型构成元素的分裂最低和感知意象值近似原则，获取最优子意象。 变量，N表示造型漂亮值。“≤”、“>”等表示根据总体子意象值最低原则，将W=代入式造型构成元素的分裂点，该分裂点将构成元素分为(5)求解子意象，且满足min(X＋X＋X＋X)。根据1234左右两半。例如，眼镜杆宽度分细、中和宽三类，感知意象值近似原则，X的取值范围为～。分别用数值1、2、3表示，分裂点“≤”和“>”基于此，在Matlab中编程实现，最优子意象X, X, 12表示以“”为界限，将眼镜杆宽度分为左右两半。
182 机 械 工 程 学 报 第46卷第2期期 “≤”表示眼镜杆宽度的类型值为1(细)，“>”系。其中，C、C等表示材质构成元素的分裂变量，12表示眼镜杆宽度的类型值为2(中)或3(宽)。 “≤”、“>”等表示材质构成元素的分裂点，N、1N、N等表示材质漂亮值。 23图9描述了色彩构成元素与色彩漂亮值的关系。其中，C、C等表示色彩构成元素的分裂变量，12“≤”、“>”等表示色彩构成元素的分裂点，N、1N、N等表示色彩漂亮值。 23 选择最合适的构成元素 图7 光影构成元素与光影漂亮值的匹配关系 本阶段先选择与最优子意象最接近的子意象，C：镱片高光 C：镜片连接处亮度 C：鼻翼架亮度 C：镱片高度 1234C：镜片连接处对比度 C：眼镱杆亮度 C：鼻翼架对比度 再检验所选子意象的误差是否处于意象感知区间。 567C：眼镱杆对比度 C：镱片架对比度 C：镱片架亮度 8910(1) 获取最合适的子意象。第节中最优造N= N= N= N= N= 12345N= N= N= N= N= 678910型、光影、材质和色彩漂亮值分别为、、= N= N= N= N= 1112131415和。在图6～9中选择最接近这些值的子意象。图6中N()与最优造型漂亮值最接近，因14而N为最合适造型子意象。对应于N的造型构1414成元素为镜片上边(>)、镜片架上边(>)和镜片右边(>)。 同理，可确定图7中N()为最合适光影子10意象，图8中N()为最合适材质子意象，图9 8图8 材质构成元素与材质漂亮值的匹配关系 中N()为最合适色彩子意象。对应于这些子意11C：眼镱杆肌理 C：鼻翼架透明度 C：镜片架材料 123象的构成元素为最合适构成元素。整理最合适子意C：镱片架透明度 C：眼镱杆透明度 C：镜片架透明度 456C：镱片架肌理 C：眼镱杆材料 C：鼻翼架肌理 789象及其构成元素，结果如表2所示。 N= N= N= N= N= 12345N= N= N= N= N= 678910表2 漂亮值为的太阳镜构成元素 N= N= N= N= 11121314要素 意象值 太阳镜特征 镜片上边(>)、镜片架上边(>)和镜片右造型 边(>) 镜片彩度(>)，镜片架彩度(>)，鼻翼架色彩 彩度(≤),眼镜杆色相(≤) 眼镜杆肌理(≤)，鼻翼架透明度(>)，镜材质 片架肌理(≤)，眼镜杆透明度(≤)，眼镜 杆材料(≤)，镜片架透明度(>) 图9 色彩构成元素与材质漂亮的匹配关系 C：镱片彩度 C：镱片色相 C：镜片架彩度 C：镜片架彩度 1234镜片高光(>)，镜片亮度(>)，鼻翼架对光影 C：镜片连接处色相 C：鼻翼架彩度 C：眼镱杆色相 567比度(≤)，眼镜杆对比度(≤) N= N= N= N= N= 12345N= N= N= N= N= 678910N= N= N= N= 11121314(2) 所选子意象的误差检验。让8名产品设计专家从第节的测试材料中选择30款太阳镜，并在图6中，造型构成元素对应着相应的造型漂以40名某高校四年级设计类本科生为被试，应用亮值，具有某造型构成元素的产品具有相应的造型AHP重复7次测试太阳镜的漂亮值。将测试结果进漂亮值。例如，对应于造型漂亮值N()的造型10行数值变换，使其变化范围为0～5。应用式(4)分析构成元素为镜片上边(<)、眼镜杆宽度(>)、镜各次意象感知的误差，并将处于%～%的误片架上边(>)和镜片架上边(<)，具备这些造型差作为意象感知区间，可确定太阳镜意象的感知区构成元素的太阳镜漂亮值为。 间为[–, ]。 图7描述了太阳镜光影构成元素与光影漂亮值本文采用造型、光影、材质和色彩意象值分别的关系。其中，C、C等表示太阳镜光影构成元素12为、、和，与最优子意象的误差的分裂变量，“≤”、“>”等表示构成元素的分分别为、、–和。所选子意象误差裂点，N、N、N等表示光影漂亮值。 1 23处于感知区间，表明这些子意象合理有效。 图8描述了材质构成元素与材质漂亮值的关
月3 2010年1月 张艳河等：产品设计中用户感知意象的思维结构18 (2) 显性构成元素影响子意象。在产品构成元4 感知意象的思维结构讨论素中，单个构成元素如果可以改变子意象值，则该 构成元素就被称为显性构成元素。例如，图6 中在用户感知意象的思维结构中，总意象与子意N的漂亮值为，其造型构成元素为镜片上边7象具有复杂的映射关系，可用式(4)进行描述；子意(>)、镜片架上边(≤)、眼镜杆断面造型(≤)、象与构成元素的复杂关系可用树结构表征。 眼镜杆宽度(=2)和镜片架上边(≤)。当将镜片架上 总意象与子意象的映射机制 边改为细边(即镜片架上边>)时，其造型漂亮值总意象与子意象的映射机制具有以下特点。 变为(N)。因而镜片架上边为造型子意象N的87(1) 总意象与子意象为复杂的映射关系。总意显性构成元素。 象与子意象的关系可用式(4)来进行描述。该表达式这一现象符合格式塔原理：整体(子意象)产生表明：总意象对应着无数组子意象，而无数组不同于部分(产品特征)，改变部分特征将引起整体(子意[15]的子意象可形成相同的总意象，且任一子意象发生象)的变化。因而当镜片上边的类型由“无边”变变化，总意象也作出相应的改变。可见，总意象与成“细边”，太阳镜造型漂亮值降低。镜片架上边子意象经过一系列感知加工后，形成了复杂的映射为造型子意象N的显性构成元素。 7关系。这种复杂的映射机制主要受两方面的影响：该结果符合产品设计过程：设计师通过修改显其一为外在环境、产品功能、用户情绪等因素，任性构成元素，得到更漂亮的产品。当镜片上边由“细一因素都可使总意象作出相应改变；其二为用户经边”变为“无边”时，造型漂亮值增加。这种通过验、文化背景、性别、种族、职业、地域等因素，改变显性构成元素来增加子意象值的方法已广泛这些因素是构成用户感知总意象与子意象的基础。 应用于产品设计，实践证明该方法合理有效。 (2) 总意象与子意象的复杂关系可用分段函数表示。根据式(5)以及X的取值范围，可用以下分段5 结论 函数描述总意象与子意象的复杂关系 (1) 从工业设计的角度出发，分析了产品设计+++ 12 3中用户感知意象的思维结构。用Mars技术构建总 + X∈[1, 2] 4意象与子意象的关系，并应用回归树技术构建子意象+ ++ 123与构成元素的关系，得到对应于总意象的构成元素。 + X∈[2, 3]4 W = (2) 在以太阳镜为对象的案例研究中，用户感+ ++ 123知意象的思维结构具有如下特点：总意象与子意象 – X∈[3, 4]4 为复杂的映射关系，该关系可用分段函数表示；显+ ++ 123性构成元素影响子意象，且子意象与构成元素的复 – X∈[4,5]4 文中X∈[, ]，表达式中X的权重最高，杂关系可用树结构描述。 1因而增加X可以降低X、X 和X的意象值，使子(3) 后续工作主要是研究用户感知意象思维 1234意象值之和最小。 结构的应用问题，并构建总意象、子意象和构成元 子意象与构成元素的匹配关系 素的生成与表达系统，为用户感知意象设计提供 (1) 子意象与构成元素的匹配关系可用树结构参考。 表征。图6～9的结果显示：子意象与构成元素的参 考 文 献 关系可用树结构表征。该结构用树叶表示子意象，用树杈表示构成元素，且各树杈之间关系平等。子 [1] KRIPENDORFF K. On the essential context of artifacts 意象与构成元素的匹配过程可描述为：从根结点出or on the proposition that design is making sense (of things)[M]. UK：Thames & Hudson, 1995. 发，依次经过若干树杈后到达某树叶。对应于该树 [2] 徐江，孙守迁，张克俊. 基于遗传算法的产品意象造叶的树杈等价于对应于子意象的构成元素。如图6型优化设计[J]. 机械工程学报，2007，43(4)：53-58. 所示，从根结点出发，依次经过镜片上边(>)、 XU Jiang, SUN Shouqian, ZHANG Kejun. Product 镜片架上边(≤)、眼镜杆断面造型(≤)、眼镜杆image form optimization design based on genetic 宽度(≤)和镜片架上边形状(≤)五个树杈，到达algorithm[J]. Chinese Journal of Mechanical 树叶N。树叶与五个树杈的关系即造型子意象与造7Engineering, 2007, 43(4)：53-58. 型构成元素的匹配关系。
184 机 械 工 程 学 报 第46卷第2期期 [3] LIN R T, LIN C Y, WONG J. An application of multi- [14] TANG Y C, XU Y. Application of fuzzy Naive Bayes dimensional scaling in product semantics[J]. Interna- and a real-valued genetic algorithm in identification of tional Journal of Industrial Ergonomics, 1996, 18(2)：fuzzy model[J]. Information sciences, 2005, 169(3)：193-204. 205-226. [15] 库尔特·考夫卡. 格式塔心理学原理[M]. 杭州：浙江 [4] CHUANG M C, Ma Y C. Expressing the expected product images in product design of micro-electronic教育出版社，1997. products[J]. International Journal of Industrial KURT K. Principle of Gestalt psychology[M]. Hang- Ergonomics, 2001, 27(4)：233-245. zhou：Zhejiang Education Press, 1997. [5] OSGOOD C E, SUCI C J, TANNENBAUM P H. The [16] NAKADA K. Kansei engineering research on the design measurement of meaning[M]. Urbana：University of of construction machinery[J]. International Journal of Production Economics, 1997, 19(2)：129-146. Illinois Press, 1957. [6] NAGAMACHI M. Kansei engineering：a new ergonomic [17] 罗仕鉴，朱上上. 用户和设计师的产品造型感知意象[J]. 机械工程学报，2005，41(10)：28-34. consumer-oriented technology for product development[J]. International Journal of Industrial LUO Shijian, ZHU Shangshang. Users’ and designers’ Ergonomics, 1995, 15(1)：3-11. product form perceptual image[J]. Chinese Journal of Mechanical Engineering, 2005, 41(10)：28-34. [7] PETIOT J F, YANNOU B. Measuring consumer perceptions for a better comprehension, specification and [18] ALCANTARA E, ARTACHO M A, GONZALEZ J C, et assessment of product semantics[J]. International Journal al. Application of product semantics to footwear design. of Industrial Ergonomics, 2004, 33(6)：507-525. Part I—Identification of footwear semantic space [8] 张军，赵江洪，孙宗禹. 网络协同数控机床工业设计applying differential semantics[J]. International Journal 系统中的知识获取与应用研究[J]. 机械工程学报，of Industrial Ergonomics, 2005, 35(8)：713-725. 2004，40(6)：149-154. [19] TREVOR H, ROBERT T, JEROME F. 统计学习基 础——数据挖掘、推理与预测[M]. 北京：电子工业出 ZHANG Jun, ZHAO Jianghong, SUN Zongyu. Research on the knowledge acquiring and application in an版社，2005. web-based collaborative NC machine tools industrial TREVOR H, ROBERT T, JEROME F. The elements of design systatistical learning：data mining, inference and prediction stem[J]. Chinese Journal of Mechanical Engineering, 2004, 40(6)：149-154. [M]. Beijing：Electronic Industrial Press, 2005. [9] 朱斌，江平宇，苏建宁. 一种基于感性设计的产品平[20] 赵萍，傅云飞，郑刘根，等. 基于分类回归树分析的台参数的辨识方法研究[J]. 机械工程学报，2004，遥感影像土地利用/覆被分类研究[J]. 遥感学报，40(2)：87-91. 2005，9(6)：708-716. ZHU Bin, JIANG Pingyu, SU Jianning. Study on ZHAO Ping, FU Yunfei, ZHENG Liugen, et al. identification of product platform parameters based on Cart-based land use/cover classification of remote Kansei engineering[J]. Chinese Journal of Mechanical sensing images [J]. Journal of Remote Sensing, 2005, Engineering, 2004, 40(2)：87-91. 9(6)：708-716. [10] SCHÜTTE S, EKLUND J. Design of rocker switches for [21] BREIMAN L, FRIEDMAN J H, OLSHEN R A, et al. work-vehicles—an application of Kansei engineering[J]. Classification and regression trees[M]. Calif：Wadsworth, Applied Ergonomics, 2005, 36(5)：557-567. Inc., 1984. [11] HSIAO S W. Concurrent design method for developing a [22] 朱祖祥，葛列众，张智君. 工程心理学[M]. 北京：人new product[J]. International Journal of Industrial 民教育出版社，2000. Ergonomics, 2002, 29(1)：41-55. ZHU Zuxiang, GE Liezhong, ZHANG Zhijun. [12] CHUANG M C, CHANG C C, HSU S H. Perceptual Engineering psychology[M]. Beijing：People’s Education factors underlying preferences toward product form of Press, 2000. mobile phones[J]. International Journal of Industrial Ergonomics, 2001, 30(4)：247-258. 作者简介：张艳河(通信作者)，男，1979年出生，博士研究生，讲师。[13] LAI H H, LIN Y C, YEH C H. Form design of product 主要研究方向为用户感知意象、产品特征识别等。发表相关论文多篇，image using grey relational analysis and neural network 出版专著1本。 models[J]. Computers & Operations Research, 2005, E-mail：pbslab@ 32(10)：2 689-2 711.
