离散GOM(1,1)模型及其应用

基于反向累加生成的灰色GOM(1,1)模型,给出了灰色离散GOM(1,1)模型的建模方法.解释了离散GOM(1,1)模型比原始GOM(1,1)模型的优越性,证明了离散GOM(1,1)模型不仅具有白化指数律,而且具有线性不变性.最后,利用给出的一个实例,证明了离散GOM(1,1)模型具有较高的拟合和预测精度.

GOMS模型在考试登分系统中的应用研究

首先介绍了GOMS击键模型,该模型表明用户完成某个界面操作任务的时间是各个串行基本操作所需时间的总和。GOMS模型中定义了击键(K)、指向(P)、归位(H)、心理准备(M)和响应(R)几种基本操作。GOMS还定义了几个规则用于判断什么时间点用户会停下来进行无意识的心理活动。根据GOMS模型,我们对涉及大量长时间重复性界面操作的考试登分系统的用户界面进行了定量分析,并且根据定量分析的结果提出改进的考试登分系统用户界面以提高登分的效率和准确度。

反向GOM(1.1)模型及其在农药降解分析中的应用

给出了反向GOM( 1 1 )模型的一种简单的直接计算方法 ,并结合理想模型、实际模型将该方法与文[6 ]GOM( 1 1 )模型、GM( 1 1 )模型的计算方法进行了对比。结果表明 :文中给出的计算方法精度优于后两者 ;GM( 1 1 )模型同样也适用于单调递减数据列的拟合。

反向累加生成及灰色GOM(1,1)模型

相对于传统的累加生成提出了反向累加生成的定义 ,给出了灰色 GOM(1,1)模型 。

人机交互的GOMS模型与EPIC模型的比较

目的分析GOMS模型与EPIC模型在可用性评估中的应用,为当前电子产品的可用性评估提出新的建议。方法通过回顾GOMS模型与EPIC模型的基本概念及其应用性研究,对顺序性解释用户行为的GOMS模型与并行性解释用户行为的EPIC模型进行详细的分析和比较。结论将GOMS模型与EPIC模型应用到可用性评估过程中,有助于对用户执行任务的行为进行定量预测,从而设计出更适合使用的用户界面。

反向累加生成及灰色GOM(1,1)模型

相对传统累加生成提出反向累加生成的定义 ,给出灰色 GOM( 1,1)模型 ,为灰色模型提供新的生成方法。

遗传算法及其在GOMS模型反演中的应用效果分析

几何光学交互遮蔽模型 (GOMS)是一种重要的遥感前向模型 ,它较好解释了“热点”现象 ,具有较强的前向模拟能力。但由于其固有的非线性性 ,给反演带来困难。本文尝试采用近年来兴起的并行随机全局寻优算法 遗传算法对GOMS进行反演 ,并针对传统遗传算法的不足进行了改进。在使用相同先验知识的条件下 ,将该算法与目前最有效的约束非线性最优化确定性搜索算法 逐步二次规划法对GOMS模型的反演效果进行了比较 ,结果表明 ,逐步二次规划法搜索效率较高 ,但结果受初值的影响很大 ,初值选择不当 ,易收敛于局部最优解 ,而遗传算法具有全局最优的收敛效果 ,但局部搜索效率较差。在某些对精度要求不高 ,而对搜索效率要求较高的场合 ,可以采用遗传算法与确定性搜索算法相结合的混合遗传算法 ,以提高算法的搜索效率 ,获得较为满意的效果。

GOM和时间序列组合模型在地表沉降预测中的应用

一般灰色模型是基于正向累加数据建立的,针对沉降系统的特点采用反向累加模型并且改进模型背景值的计算方法建立改进GOM模型,进行数据序列趋势项的提取,结合时间序列反映随机性的优点建立GOM和时间序列的组合模型进行沉降系统的数据预测,验证了方法预报的精确性和实用性。

面向图结构的分布式程序设计模型GOM

很多分布式程序由一组分散在不同处理器结点上的松散耦合的进程协作完成某项任务．这些进程底层的逻辑结构可以用一个图来表示，进程间的通信和同步关系可以用图上的操作来表示．该文描述了面向图结构的模型GOM（Graph-oriented Model）以及它的实现GOS（Graph-ori-ented System）．在GOM层，一个分布式程序由一个概念图以及由消息激活的若干函数构成．这些函数提供了图结构上的各种操作，如通信和同步、子图操作、修改操作、查询操作等．GOS则向用户提供高层的、基于图结构的分布式程序设计环境．

两个初值修正灰色GOM(1,1)模型及其等价性研究

根据反向累加生成GOM(1,1)模型的初值取x0(1)(1)的情况,提出两个不同初值修正形式x0(1)(1)+β1,β2x0(1)(1),利用原始序列预测值的误差在最小二乘意义下最小准则,得到两个初值修正的优化GOM(1,1)模型,并证明了这两个初值修正GOM(1,1)模型的等价性和极高的模拟精度.

反向GOM(1,1)模型参数的直接求解方法

给出反向GOM(1,1)模型的另一种形式的时间响应函数表示法和模型参数的直接求解方法;并对一些相关结论进行了讨论。

基于XML的GOMS元数据描述体系

地球信息科学元数据标准已经进入草案实施阶段 ,但仅仅针对有限的公共实体进行标准制定。GOMS是在地球信息科学元数据标准的基础上 ,综合了 CIMI,根据地球科学的学科特点扩展而来 ,是一种适合在网上检索、交换、共享地学标本的网络信息资源描述体系。XML 是 W3C推出的元数据标准可扩展语言 ,为元数据的编码、交换和重用提供了基础框架。本文以地球科学数字博物馆中的地学标本元数据标准为研究对象 ,利用 XML 进行了描述 ,使得专用于地学领域的标本描述转换成通用的机器可理解的元数据 ,对于集成不同来源的地学标本描述 ,建立基于 Internet的地学标本信息的管理服务体系提供了可能性。

基于粒子群算法的非等距GOM(1,1)模型

等间距灰色GOM(1,1)模型是一种基于反向累加生成的灰色预测模型.为了拓广适用范围,提高GOM(1,1)模型的拟合和预测精度,给出了非等间距灰色GOM(1,1)模型的建模方法,并利用粒子群优化算法对非等间距灰色GOM(1,1)模型的参数进行优化.最后,利用一个仿真实例,表明基于粒子群优化算法的灰色GOM(1,1)模型具有较高的拟合和预测精度.也说明该方法是有效的和可行的,具有重要的理论意义.

广义算子测度(GOM)的扩张与分解

概率算子测度(POM)是量子检测与估值的理论基础,它涉及内容有:算子测度的扩张;算子测度积分、算子测度的Radon-Nikodym导数等。本文利用双线性泛函等算子理论推广这些性质,从而使量子检测理论有一个比较严格的数学基础。

GOM:一个CSCW设计模型

1.引言自Greif和Cashman于1984年提出CSCW(计算机辅助协同工作)概念以来.己有许多原型系统和商用系统问世。它们大致可分为如下几类[lj:(l)会议支持系统;(2)共享工作空间系统;(3)共享信息空间;(4)以计算机为媒介的通讯系统;(5)工作流和过程控制系统。

GOMS模型在Android手机应用程序中的应用研究

将首先对GOMS模型进行概要介绍,接下来,在Android平台上设计和实现一个温度转换器,并使用GOMS模型对此温度转换器的界面进行定量分析,最后改进温度转换器界面,重新使用GOMS模型进行定量分析,结果表明,改进后的界面减少了用户操作的时间。

GOM(1,1)模型背景值构造的重新改进

GOM(1,1)模型同GM(1,1)模型一样存在背景值构造的不足.分析已有以累加序列为齐次指数序列推导出的背景值构造形式存在的问题,以背景值几何思想建立两种加权背景值构造,分别为齐次指数序列下的定权背景值构造和近似齐次指数序列下的变权背景值构造.实例应用结果显示加权背景值构造下的GOM(1,1)模型不仅可以完全拟合齐次指数序列,近似齐次指数序列下建模的预测精度也提高了.

基于GOMS模型的机载指控系统人机界面优化研究

针对目前机载指控系统软件功能越来越多、使用方式越来越复杂的应用现状,提出其面向任务的可用性问题,并结合实际执行的任务,运用GOMS模型原理,对该类软件频繁操作的任务进行定量分析。最后,根据分析结果指导该任务人界面操作的优化,并为今后界面的设计和优化提供参考依据。

基于BHR-GOMS行为模型的汽车人机交互界面操作绩效研究

行为模型研究是分析用户对产品操作行为的基础。通过分析GOMS及其衍生的行为模型的不足和优势,采用心理学和用户研究交叉的研究方法,提出了一种适用于产品人机交互界面设计的BHR-GOMS行为模型,采用任务分解、逐步细化及量化计算的方法设计和评估人机交互界面。同时,将模型用于评估汽车车门开启和锁止行为中不同操作方式的绩效,并运用用户采样分析的实验方法验证了该模型的正确性。

基于灰色优化GOM模型的道路交通事故预测

道路交通事故的发生存在诸多不确定因素,为研究其内在规律,掌握其发展趋势,对道路交通事故进行有效预测具有重大意义。以福建省2008-2012年道路交通事故次数为例,应用灰色系统理论,构建道路交通事故次数灰色GM(1,1)预测模型和灰色优化GOM模型,对事故原始数据经生成处理后预测分析,通过对比两者所得出的相关指标,结果表明灰色优化GOM模型较灰色GM(1,1)模型的预测精度高,适合对未来道路交通事故进行预测。