产品声音的交互式聚类设计研究

目的 声音是产品和用户之间的一种沟通媒介,为了增进设计师对产品声音的理解、合成与设计匹配,提出一种交互式可视化产品声音数据聚类分析框架。方法 首先通过神经网络将设计师感官描述式信息与声音的特征参数进行融合嵌套;其次基于高斯混合模型来描述非线性几何分布的产品声音数据;最后设计师输入个人先验知识经验参与交互聚类。结果 基于Python的Anaconda3包开发了产品声音交互式聚类的可视化分析实验工具,得到最优化产品声音聚类结果。结论 该产品声音交互聚类可视化分析工具融合了声音技术参数和人脑听觉反应机制,在聚类过程中允许用户参与交互并融入用户的先验知识,并行视图可以实时显示数据元素的流向和判别类别的稳定性。同时,可视化分析可以帮助用户横向比较各聚类结果的异同,样本的比例分布与合理性,以期寻求最优聚类结果。

针对气味数据的交互式聚类可视分析框架

自然界中的气味通常是多种成分的混合物,相比图像和声音具有特殊的数据复杂性,且由于缺少有效的表示方法导致气味研究相对滞后.聚类分析是研究气味的一个重要方法,有助于增进对气味的理解、识别、合成和设计,然而大部分高效的聚类方法都是被动的,用户往往期望参与到计算过程中,利用领域知识和经验进行交互式聚类.气味数据存在多种可能的聚类方式,用户需要对多组聚类结果进行比较,以确定最优的聚类.提出一个对气味数据进行交互式聚类的可视分析框架.首先使用人工神经网络结合多分子气味的高维化学信息和感官描述信息,计算一种低维度的气味嵌套表示;然后基于高斯混合模型的交互式聚类算法让用户对气味嵌套进行符合预期的聚类和重新聚类;最后用户可通过聚类可视化视图比较多组聚类结果的异同,增进对气味数据的理解,从而找到最佳的聚类方式.通过实验和2位领域专家的测试与评估,验证了该可视分析框架的有效性.