本發(fā)明屬于產(chǎn)品設(shè)計技術(shù)領(lǐng)域，具體地說是涉及一種利用眼動數(shù)據(jù)預(yù)測用戶個性化偏好的方法。

背景技術(shù)：

隨著用戶體驗設(shè)計的興起，用戶情感的研究越來越成為熱點，關(guān)于用戶的情感研究主要包括基于心理學的心理反應(yīng)測量技術(shù)和基于心理學的生理反應(yīng)測量技術(shù)?；谛睦韺W的心理反應(yīng)測量技術(shù)主要包括語義差異法、語義法、口語分析法、語意比較法、panas量尺法^[1]、pad情感測量法^[2]、產(chǎn)品愉悅測量問卷、premo測量法^[3]、emocards(emotionalcards)測量法^[4]、sam(selfassessmentmanikin)自我評估模型等。

現(xiàn)有技術(shù)中，劉燁^[5]等分析了情感的范疇觀和維度觀在情感計算領(lǐng)域中的應(yīng)用并構(gòu)建了二維和三維的情感空間。邱均平^[6]等在心理測量的基礎(chǔ)上構(gòu)建了一個能實現(xiàn)用戶個人特征和專業(yè)學科的匹配通用人才評價系統(tǒng)。劉青^[7]等利用多維關(guān)聯(lián)的規(guī)則方法提取心理測量不同量表屬性的關(guān)聯(lián)規(guī)則，該規(guī)則能對心理測量起到指導作用?；谛睦韺W的生理反應(yīng)測量技術(shù)是依據(jù)人的大腦中樞神經(jīng)活動或是與中樞神經(jīng)活動相關(guān)聯(lián)的生理反應(yīng)進行測量的技術(shù)，主要包括面部表情測量技術(shù)^[8]、聲音表現(xiàn)性測量技術(shù)^[9]、多維度評估和眼動追蹤技術(shù)^[10]等。王朝光^[11]等通過腦電圖、心率和皮膚電等生理測量手段記錄用戶在游戲中的不同情緒。郭伏^[12]等通過測驗表明生理測量、眼部追蹤及問卷調(diào)查的方法在一定程度上會影響用戶的情感體驗。葛燕^[13]等研究了心電、腦電、皮電在電生理測量的應(yīng)用，并分別指出各個指標在實際應(yīng)用的優(yōu)缺點?？傊?，現(xiàn)有的情感研究主要體現(xiàn)在對產(chǎn)品整體的感性或理性情感，不能體現(xiàn)用戶情感和產(chǎn)品設(shè)計要素之間的關(guān)系，也不能體現(xiàn)設(shè)計要素對用戶情感的影響，從而也不能得出不同的設(shè)計要素對用戶個性化偏好的影響。

參考文獻：

[1]cotig□mi.developmentandvalidationofaromanianversionoftheexpandedversionofpositiveandnegativeaffectschedule(panas-x)[j].procedia-socialandbehavioralsciences.2012,(33):248-252.

[2]李曉明，傅小蘭，鄧國峰.中文簡化版pad情緒量表在京大學生中的初步試用[j].中國心理衛(wèi)生雜志.2008，22(05):327-329.

[3]pentusk,mehinet,kuusika.consideringemotionsinproductpackagedesignthroughcombiningconjointanalysiswithpsychophysiologicalmeasurements[j].procedia-socialandbehavioralsciences.2014,(148)_:280-290.

[4]kampi.theinfluenceofcar-seatdesignonitscharacterexperience[j].appliedergonomics.2012,43(2):329-335.

[5]劉燁，陶霖密，傅小蘭.基于情緒圖片的pad情感狀態(tài)模型分析[j].中國圖象圖形學報,2009(05):753-758.

[6]邱均平，杜暉，黨永杰.基于心理測量的人才評價系統(tǒng)研究[j].科技進步與對策.2012(10):99-103.

[7]劉青，薛澄岐，falkhoehn.基于眼動跟蹤技術(shù)的界面可用性評估[j].東南大學學報(自然科學版).2010，40(02):331-334.

[8]胡文婷.基于視線跟蹤的智能界面實現(xiàn)機制研究[j].計算機應(yīng)用與軟件,2016(01):134-137.

[9]于悅.音樂誘發(fā)情緒測量及其影響因素[j].心理與行為研究,2014(5):695-700.

[10]李永鋒,朱麗萍.基于結(jié)合分析的產(chǎn)品意象造型設(shè)計研究[j].圖學學報,2012(04):121-128.

[11]費廣洪，王細英，龔桂紅.圖文相關(guān)性對不同認知方式大學生閱讀影響的眼動研究[j].心理學報.2013,45(07):783-789.

[12]郭伏.用戶眼動行為與網(wǎng)站設(shè)計要素關(guān)系研究[j].工業(yè)工程與管理,2014.19(5):129-133,139.

[13]葛燕.電生理測量在用戶體驗中的應(yīng)用[j].心理科學進展,2014(06):959-967.

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服上述缺點而提供一種能建立眼動數(shù)據(jù)和設(shè)計要素間的關(guān)系模型，體現(xiàn)不同的設(shè)計要素對用戶個性化偏好的影響的利用眼動數(shù)據(jù)預(yù)測用戶個性化偏好的方法。

本發(fā)明的一種利用眼動數(shù)據(jù)預(yù)測用戶個性化偏好的方法，包括下述步驟：

(1)設(shè)計要素提?。哼x取產(chǎn)品圖片，應(yīng)用符號學和形態(tài)分析法對圖片中的圖樣進行分解結(jié)構(gòu)、提取設(shè)計元素；

(2)眼動指標篩選：將圖片類型作為影響因素，對具有瀏覽任務(wù)的用戶眼動指標進行方差齊性檢驗，將顯著性水平小于0.05的眼動指標剔除，顯著性水平大于0.05的眼動指標說明具備方差性，并進行下一步的單因素方差分析，篩選眼動指標；

(3)建立設(shè)計要素和眼動指標關(guān)系模型：運用數(shù)量化一類理論對圖樣設(shè)計要素進行編碼，將定性變量的圖樣轉(zhuǎn)化為定量變量；建立的眼動指標和設(shè)計要素的多元回歸模型，得出了不同的設(shè)計要素對用戶個性化偏好的影響。

上述的利用眼動數(shù)據(jù)預(yù)測用戶個性化偏好的方法，其中：所述步驟(3)中，對圖樣設(shè)計要素進行編碼，根據(jù)數(shù)量化一類理論，不同的設(shè)計要素變量用0和1來表達，其中數(shù)據(jù)1代表該圖樣中有此設(shè)計要素，數(shù)據(jù)0則表示該圖樣中沒有此設(shè)計要素。

上述的利用眼動數(shù)據(jù)預(yù)測用戶個性化偏好的方法，其中：所述步驟(3)中，建立的眼動指標和設(shè)計要素的多元回歸模型：

將眼動指標作為自變量x，設(shè)計要素作為因變量y，設(shè)有q個因變量和p個自變量，為了研究因變量與自變量的統(tǒng)計關(guān)系，選擇n個樣本點，由此構(gòu)成自變量與因變量的數(shù)據(jù)表x＝[x1,x2,...,xp]n×p和y＝[y1,y2,...,yq]n×q，將數(shù)據(jù)做標準化處理，x經(jīng)標準化處理后的數(shù)據(jù)矩陣記為e0＝(e01,...,e0p)n×p；y經(jīng)標準化處理后的數(shù)據(jù)矩陣記為f0＝(f01,...,f0q)n×q：

步驟1.記t1是e0的第一個成分,t1＝e0w1,w1是e0第一個軸,它是一個單位向量,即||w1||＝1；記u1是f0的第一個成分，u1＝f0c1，c1是f0的第一個軸，并且||c1||＝1；如果t1，u1能分別很好地代表x和y中的數(shù)據(jù)變異信息，根據(jù)主成分分析原理：

var(t1)→maxvar(u1)→max

另一方面,由于回歸建模的需要,又要求t對u有最大的解釋能力，由典型相關(guān)分析的思路，t1與u1的相關(guān)系數(shù)應(yīng)達到最大值，即

r(t1,u1)→max

因此綜合起來，在偏最小二乘回歸中，我們要求t1與u1的協(xié)方差達到最大，正規(guī)的數(shù)學表述，求解下列優(yōu)化問題，即

因此，將在||w1||²＝1和||c1||²＝1的約束條件下去求<e0w1,f0c1>的最大值；

根據(jù)拉格朗日法求得第一個軸w1和c1后，即可得到成分：t1＝e0w1，u1＝f0c1，w1是對應(yīng)于矩陣e0f0f0e0最大特征值的單位特征向量，c1是對應(yīng)于矩陣f'0e0e'0f0最大特征值的單位特征向量，然后分別求e0、f0對t1和u1的三個回歸方程：

e0＝t1p1+e1

f0＝u1q1+f1^*

f0＝t1r1+f1

其中，回歸系數(shù)向量是而e1，f1，f1^*分別是3個回歸方程的殘缺矩陣；

步驟2.用殘缺矩陣e1和f1取代e0和f0，然后求第二個軸w2和c2以及第二個成分t2和u2；

如此計算下去，如果x的秩是a，則會有e0＝t1p1′+...+tapa′，f0＝t1r1′+...+tara′+fa由于t1,...,ta均可以表示成e01,...,e0p的線性組合，因此f0＝t1r1′+...+tara′+fa還可以還原成關(guān)于的回歸方程為：

還原成原始變量的偏最小二乘回歸方程，即眼動指標和設(shè)計要素的多元回歸模型如式(2)所示：其中e(yk)、e(xi)分別為yk和xi的樣本均值；分別為yk和xi樣本均方差：

本發(fā)明與現(xiàn)有技術(shù)的相比，具有明顯的有益效果，由以上方案可知，運用數(shù)量化一類理論對圖樣設(shè)計要素進行編碼，將定性變量的圖樣轉(zhuǎn)化為定量變量；建立的眼動指標和設(shè)計要素的多元回歸模型，由于眼動指標的值和用戶的個性化偏好息息相關(guān)，從而間接得出了不同的設(shè)計要素對用戶個性化偏好的影響，并且定量分析了設(shè)計要素的影響?？傊景l(fā)明的利用眼動數(shù)據(jù)研究用戶個性化偏好的方法，通過回歸方程建立眼動數(shù)據(jù)和設(shè)計要素間的關(guān)系模型，探索設(shè)計要素對用戶情感的影響，為個性化定制設(shè)計提供依據(jù)。

以下通過具體實施方式，進一步說明本發(fā)明的有益效果。

附圖說明

圖1為實施例中的代表紋樣(圖樣)選取的部分圖；

圖2為實施例中的眼動實驗圖；

圖3為實施例中的眼動數(shù)據(jù)的預(yù)測值和實際值對比圖。

具體實施方式

以下結(jié)合附圖及較佳實施例，對依據(jù)本發(fā)明提出的利用眼動數(shù)據(jù)預(yù)測用戶個性化偏好的方法具體實施方式、特征及其功效，詳細說明如后。

本發(fā)明的一種利用眼動數(shù)據(jù)預(yù)測用戶個性化偏好的方法，包括下述步驟：

(1)設(shè)計要素提?。哼x取產(chǎn)品圖片，應(yīng)用符號學和形態(tài)分析法對圖片中的圖樣進行分解結(jié)構(gòu)、提取設(shè)計元素；

(2)眼動指標篩選：將圖片類型作為影響因素，對具有瀏覽任務(wù)的用戶眼動指標進行方差齊性檢驗，將顯著性水平小于0.05的眼動指標剔除，顯著性水平大于0.05的眼動指標說明具備方差性，并進行下一步的單因素方差分析，篩選眼動指標；

(3)建立設(shè)計要素和眼動指標關(guān)系模型：運用數(shù)量化一類理論對圖樣設(shè)計要素進行編碼，將定性變量的圖樣轉(zhuǎn)化為定量變量，不同的設(shè)計要素變量用0和1來表達，其中數(shù)據(jù)1代表該圖樣中有此設(shè)計要素，數(shù)據(jù)0則表示該圖樣中沒有此設(shè)計要素；建立的眼動指標和設(shè)計要素的多元回歸模型，得出了不同的設(shè)計要素對用戶個性化偏好的影響。其中建立的眼動指標和設(shè)計要素的多元回歸模型如下：

將眼動指標作為自變量x，設(shè)計要素作為因變量y，設(shè)有q個因變量和p個自變量，為了研究因變量與自變量的統(tǒng)計關(guān)系，選擇n個樣本點，由此構(gòu)成自變量與因變量的數(shù)據(jù)表x＝[x1,x2,...,xp]n×p和y＝[y1,y2,...,yq]n×q，將數(shù)據(jù)做標準化處理，x經(jīng)標準化處理后的數(shù)據(jù)矩陣記為e0＝(e01,...,e0p)n×p；y經(jīng)標準化處理后的數(shù)據(jù)矩陣記為f0＝(f01,...,f0q)n×q：

步驟1.記t1是e0的第一個成分,t1＝e0w1,w1是e0第一個軸,它是一個單位向量,即||w1||＝1；記u1是f0的第一個成分，u1＝f0c1，c1是f0的第一個軸，并且||c1||＝1；如果t1，u1能分別很好地代表x和y中的數(shù)據(jù)變異信息，根據(jù)主成分分析原理：

var(t1)→maxvar(u1)→max

另一方面,由于回歸建模的需要,又要求t對u有最大的解釋能力，由典型相關(guān)分析的思路，t1與u1的相關(guān)系數(shù)應(yīng)達到最大值，即

r(t1,u1)→max

因此綜合起來，在偏最小二乘回歸中，我們要求t1與u1的協(xié)方差達到最大，正規(guī)的數(shù)學表述，求解下列優(yōu)化問題，即

因此，將在||w1||²＝1和||c1||²＝1的約束條件下去求<e0w1,f0c1>的最大值；

根據(jù)拉格朗日法求得第一個軸w1和c1后，即可得到成分：t1＝e0w1，u1＝f0c1，w1是對應(yīng)于矩陣e0f0f0e0最大特征值的單位特征向量，c1是對應(yīng)于矩陣f'0e0e'0f0最大特征值的單位特征向量，然后分別求e0、f0對t1和u1的三個回歸方程：

e0＝t1p1+e1

f0＝u1q1+f1^*

f0＝t1r1+f1

其中，回歸系數(shù)向量是而e1，f1，f1^*分別是3個回歸方程的殘缺矩陣；

步驟2.用殘缺矩陣e1和f1取代e0和f0，然后求第二個軸w2和c2以及第二個成分t2和u2；

如此計算下去，如果x的秩是a，則會有e0＝t1p1′+...+tapa′，f0＝t1r1′+...+tara′+fa由于t1,...,ta均可以表示成e01,...,e0p的線性組合，因此f0＝t1r1′+...+tara′+fa還可以還原成關(guān)于的回歸方程為：

還原成原始變量的偏最小二乘回歸方程，即眼動指標和設(shè)計要素的多元回歸模型如式(2)所示：其中e(yk)、e(xi)分別為yk和xi的樣本均值；分別為yk和xi樣本均方差：

實施例如下：

1.代表性圖片選取及設(shè)計要素提取

蠟染，是我國古老的少數(shù)民族民間傳統(tǒng)紡織印染手工藝，古稱蠟，與絞纈、夾纈并稱為我國古代三大印花技藝，是國家級非物質(zhì)文化遺產(chǎn)。蠟染紋樣豐富，色調(diào)素雅，風格獨特，具有很高的是藝術(shù)價值和再設(shè)計價值，因此用戶對于蠟染紋樣的情感研究對蠟染紋樣個性化定制起到了至關(guān)重要的作用。選取四種具有代表性蠟染類型，每種類型選取15張紋樣(圖樣)作為實驗紋樣，同種類型的紋樣風格相似，但是紋樣在風格、構(gòu)圖、色彩等方面迥異不同，如圖1所示。

蠟染風格各異，大致可分為：丹寨型、榕江型、重安江型、麻江型、織金型、安順型、六枝型。蠟染紋樣一般由邊框和按照一定規(guī)則排列的單體紋樣組成，如苗龍、蝴蝶、鳥紋等。應(yīng)用符號學和形態(tài)分析法對紋樣分解結(jié)構(gòu)、提取設(shè)計元素，每一個紋樣提取出來的設(shè)計元素包括：有無邊框、背景顏色、排列規(guī)則、銅鼓、苗龍、雙魚、蝴蝶、花紋、鳥紋、復(fù)雜程度、圖案樣式、圖案色彩12種要素。并根據(jù)紋樣的統(tǒng)計歸納了各種設(shè)計要素的要素水平，如表1所示：

表1蠟染紋樣設(shè)計要素

2用戶與蠟染紋樣個性化偏好的實驗研究

2.1眼動實驗過程

(1)被試對象：根據(jù)調(diào)研和分析發(fā)現(xiàn)，接觸蠟染的典型用戶為普通用戶、文化專家、設(shè)計師三種。選取7名平均年齡為20～32歲的普通用戶、7名平均年齡在32～45歲的文化專家、7名平均年齡為24～36歲的設(shè)計師為被試者，均無視力障礙。

(2)實驗設(shè)備：tobiiglasses眼動儀和一臺安裝眼動儀軟件tobiistudio的筆記本電腦。

(3)實驗任務(wù)設(shè)計：根據(jù)瀏覽任務(wù)進行實驗設(shè)計。

(4)實驗流程：首先向被試者介紹實驗環(huán)境、設(shè)備以及實驗?zāi)康模⒑唵谓榻B下實驗過程中需要注意的事項。幫助被試者正確佩戴眼動儀,打開眼動儀進行調(diào)整，使被試者視線在信號采集區(qū)域從而能夠正確采集到信息。

(5)實驗步驟：根據(jù)實驗流程設(shè)置，每組被試者要完成包含設(shè)計要素的測試工作，每組紋樣設(shè)置了不同的瀏覽任務(wù)，瀏覽第一種紋樣后，休息片刻瀏覽第二種紋樣，過程與第一組相同，三種被試者完成紋樣的試驗后，用眼動儀記錄他們的眼動數(shù)據(jù)，如圖2所示。

2.2眼動指標篩選

對從tobiistudio眼動數(shù)據(jù)進行處理，共得到35個眼動指標數(shù)據(jù)，將圖片類型作為影響因素，對瀏覽任務(wù)的眼動指標進行方差齊性檢驗，將顯著性水平小于0.05的眼動指標剔除，顯著性水平大于0.05的眼動指標說明具備方差性，可以進行下一步的單因素方差分析。進行單因素方差分析(如表2)，發(fā)現(xiàn)平均眼跳時間、平均注視時間的顯著性水平均小于0.05，可用于模型建立。

表格2眼動數(shù)據(jù)單因素方差分析

3紋樣設(shè)計要素和眼動指標關(guān)系模型

3.1運用數(shù)量化一類理論對紋樣設(shè)計要素進行編碼

本發(fā)明中的紋樣設(shè)計要素為定性變量的組合，需要將其轉(zhuǎn)化為定量變量。因為每個代表性紋樣中同一設(shè)計要素的設(shè)計形態(tài)是定性變量且取值是唯一的，所以根據(jù)數(shù)量化一類理論，不同的變量用0和1來表達。數(shù)據(jù)1代表該樣本此項目中有此類目，數(shù)據(jù)0則表示項目中沒有這類項目，即數(shù)據(jù)1代表該圖樣中有此設(shè)計要素，數(shù)據(jù)0則表示該圖樣中沒有此設(shè)計要素。結(jié)合選取的代表性紋樣和提取的交互設(shè)計要素，對4種代表性紋樣進行0—1編碼，得到0—1編碼表如表3所示，其中a1～l2代表每個蠟染紋樣對應(yīng)的設(shè)計要素。

表3典型紋樣樣本0-1編碼表

3.2回歸模型的建立與分析

3.2.1眼動指標和個性化偏好的關(guān)系

眼跳是眼睛觀察不同注視點之間的跳躍行動，表示眼睛的快速移動。在瀏覽任務(wù)中，被試者從一個注視點轉(zhuǎn)移到另外一個注視點所花費的時間為平均眼跳時間(ms)，時間的長短表明了注視點的集中程度，越快說明注視點不集中，越慢說明被試者的注視點注意力集中。需要通過多次眼跳才能找到感興趣紋樣，說明紋樣不具明顯特點。設(shè)計變量系數(shù)為正值并且系數(shù)值越大說明這類紋樣特點集中、容易引起人的注意。

平均注視時間表明用戶對紋樣的感興趣程度，在完成瀏覽任務(wù)時，平均注視時間的高低反映了用戶對紋樣的個性化偏好程度，用戶在比較感興趣的紋樣會停留較長時間，反之較短。設(shè)計變量系數(shù)為正值并且系數(shù)值越大，說明用戶對這種紋樣更感興趣。

3.2.2眼動指標和設(shè)計要素關(guān)系模型

利用式2中建立的眼動指標和設(shè)計要素的多元回歸模型，以表中的a1～l2(每個蠟染紋樣對應(yīng)的設(shè)計要素)為因變量，以平均眼跳時間、平均注視時間作為自變量得到這兩組眼動指標的多元回歸模型，以平均眼跳時間為例，如式3、4、5。

(1)普通用戶

根據(jù)設(shè)計要素的權(quán)重系數(shù)范圍排序可以知道設(shè)計要素的影響程度，以普通用戶的平均眼跳時間為例，排序為：背景顏色(20.1)＞排列規(guī)則(16.6839)＞圖案色彩(6.2721)＞有無邊框(3.1976)＞圖案樣式(1.8868)＞蝴蝶(0.7187)＞雙魚(0.6223)＞鳥紋(0.5079)＞花紋(0.5036)＞銅鼓(0.5021)＞苗龍(0.4181)＞復(fù)雜程度(0.0747)，要使得紋樣設(shè)計特點突出、吸引力強，可以采取以下的設(shè)計方案:背景顏色變?yōu)樗{色或者明度較高的淺藍色，增強畫面的視覺沖擊力，以斜對稱的規(guī)則排列圖案，再加上裝飾邊框增加圖案的整體統(tǒng)一的效果，以多個典型動物紋樣為主要設(shè)計要素，圖案選取復(fù)雜、精細的紋樣，以豐富畫面效果，嘗試不同的構(gòu)圖方式，如對稱、連續(xù)等。

(2)文化專家

根據(jù)設(shè)計要素的權(quán)重系數(shù)范圍排序可以知道設(shè)計要素的影響程度，以文化專家的平均眼跳時間為例，排序為：圖案色彩(16.6417)＞排列規(guī)則(15.1401)＞復(fù)雜程度(10.8096)＞背景顏色(10.4034)＞蝴蝶(6.8516)＞雙魚(5.2435)＞圖案樣式(2.8075)＞銅鼓(0.9109)＞花紋(0.6789)＞鳥紋(0.1668)＞有無邊框(0.0746)＞苗龍(0.0697)，文化專家用戶由于專業(yè)性的原因，對紋樣的樣式和排列規(guī)則相對要感興趣，可以在設(shè)計紋樣排列時，采取以下設(shè)計方案：將紋樣色彩定為統(tǒng)一的色調(diào)，適當采用一些彩色進行畫面點綴，構(gòu)圖采用斜對稱的圖案排列規(guī)則，增強畫面的節(jié)奏感，背景顏色為統(tǒng)一的藍色，選取細密工整的動植物紋樣，如上述實驗提到的蝴蝶、苗龍、雙魚、鳥紋等等，紋樣樣式可以選擇規(guī)則的幾何形，取消紋樣邊框。

(3)設(shè)計師

根據(jù)設(shè)計要素的權(quán)重系數(shù)范圍排序可以知道設(shè)計要素的影響程度，以設(shè)計師的平均眼跳時間為例，排序為：排列規(guī)則(24.0319)＞背景顏色(19.8128)＞圖案樣式(16.1436)＞復(fù)雜程度(16.0654)＞雙魚(11.6457)＞蝴蝶(9.3389)＞有無邊框(4.2025)＞鳥紋(2.3812)＞花紋(2.0147)＞銅鼓(0.7831)＞苗龍(0.1368)＞圖案色彩(0.0546)，設(shè)計師由于專業(yè)性的原因，對圖案的構(gòu)成規(guī)則和整體色調(diào)是否統(tǒng)一較為感興趣，要引起設(shè)計師用戶的注意力，可以在設(shè)計紋樣排列時，采取以下設(shè)計規(guī)則：將蠟染紋樣中排列規(guī)則具有獨特性和符合平面構(gòu)成規(guī)則的紋樣進行篩選，圖案排列規(guī)則選擇斜對稱排列，增強畫面的節(jié)奏感，圖案背景顏色為和諧統(tǒng)一的藍色，圖案樣式選擇不規(guī)則幾何樣式，選取精細工整的動植物紋樣，如典型的雙魚、苗龍、蝴蝶、銅鼓等紋樣為設(shè)計要素，采取有邊框的圖案，增加圖案整體性和裝飾美感。

3.3模型有效性檢驗

為了檢驗?zāi)Ｐ偷挠行?，另分別選6名與被試者(普通用戶2名，文化專家2名，設(shè)計師2名)進行上述相同的實驗，實驗設(shè)備、環(huán)境、過程均與第一次相同。通過設(shè)計要素與眼動指標之間的關(guān)系模型得到的預(yù)測值與通過實驗處理后的實際值進行對比，數(shù)據(jù)如圖3。運用spss軟件對數(shù)據(jù)做配對樣本t檢驗，平均知識時間的顯著水平均為0.0068，大于0.05，說明預(yù)測值和實際值之間沒有顯著差異，對瀏覽、查找的預(yù)測值與實際值也進行配對樣本t檢驗，檢驗結(jié)果表明預(yù)測值與實際值沒有明顯差異，建立的模型有效。

總之，本發(fā)明為了研究不同設(shè)計要素對用戶個性化偏好的影響，以蠟染紋樣為實驗材料，以三種不同的人群為實驗對象進行研究。建立了蠟染紋樣設(shè)計要素和眼動指標多元回歸模型，然而眼動指標的值和用戶的個性化偏好息息相關(guān)，從而間接得出了不同的設(shè)計要素對用戶個性化偏好的影響，并且定量分析了設(shè)計要素的影響權(quán)重，給出了針對不同人群提高用戶體驗的個性化設(shè)計方案。最后通過實驗證明建立的多元回歸模型具有良好的準確性。

以上所述，僅是本發(fā)明的較佳實施例而已，并非對本發(fā)明作任何形式上的限制，任何未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所作的任何簡單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。