目的探索使用平视显示器(head up display,HUD)是否更加有助于飞行员探测跑道入侵事件,探索飞行员分别使用HUD和传统主飞行显示器(primary flight display,PFD)探测跑道入侵时眼动模式的差异。方法设计并开展了进近着陆情景下飞行员分...目的探索使用平视显示器(head up display,HUD)是否更加有助于飞行员探测跑道入侵事件,探索飞行员分别使用HUD和传统主飞行显示器(primary flight display,PFD)探测跑道入侵时眼动模式的差异。方法设计并开展了进近着陆情景下飞行员分别使用HUD和PFD探测跑道入侵的实验,采集注视次数、注视时间、注视轨迹和瞳孔直径等数据。结果飞行员分别使用HUD和PFD探测跑道入侵:不会显著影响俯仰姿态、航向、空速、高度、横滚、垂直速度和窗外视景兴趣域的眼动注视次数百分比和眼动注视时间百分比;使用PFD的注视轨迹更有助于探测跑道入侵;显著影响飞行员瞳孔直径。结论相比于PFD,HUD的使用不利于飞行员探测跑道入侵且易导致飞行员疲劳。展开更多
木质民居是苗侗族传统建筑文化,个性化定制乃是当今木质民居建筑设计的潮流。为快速配置木质民居个性化定制构件,使得其造型意象真正满足消费者隐性需求,提出一种基于眼动模式的个性化定制构件配置方法。首先,研究了木质民居的组成和人...木质民居是苗侗族传统建筑文化,个性化定制乃是当今木质民居建筑设计的潮流。为快速配置木质民居个性化定制构件,使得其造型意象真正满足消费者隐性需求,提出一种基于眼动模式的个性化定制构件配置方法。首先,研究了木质民居的组成和人们对构件配置的认知。其次,依据蚁群优化算法思想,建立木质民居个性化定制构件配置过程图解模型;将木质民居个性化定制构件库系统中的构件区域划分为兴趣区域(area of interest,AOI)和注视区域(area of fixation,AOF);以眼动模式中热点图数据为基础,建立眼动数据可视化模型,并以围栏为例,提取注视区域(AOF)的灰度直方图、注视点数目、注视时间及平均注视时间等。再次,计算木质民居个性化定制构件系统中兴趣区域内设计特征的选择概率,以此构建定制构件的适应度函数,寻求配置方案的最优解。最后,以木质民居个性化定制项目为例,论述该方法的配置过程;结合七等级Likert量表实验对眼动实验结果进行对比验证。T检验结果验证了该个性化定制构件配置方法的可行性,能在符合用户隐性需求的基础上进行高效配置,为产品个性化定制模块配置提供一种新的技术方法。展开更多
随着眼动追踪技术的进步和设备成本的降低,眼动追踪技术已广泛应用于智能教育领域,分析眼动数据以评估学习状态成为智能教育中一个十分重要的环节。眼动扫描路径可以直接或间接地反映思维模式及心理状态的变化,通过分析扫描路径探索学...随着眼动追踪技术的进步和设备成本的降低,眼动追踪技术已广泛应用于智能教育领域,分析眼动数据以评估学习状态成为智能教育中一个十分重要的环节。眼动扫描路径可以直接或间接地反映思维模式及心理状态的变化,通过分析扫描路径探索学习者眼动行为的共性和差异性,为改善视觉内容和给出指导性意见提供重要参考。首先研究在同一任务情况下学习者扫描路径的时间序列表示和聚类,通过聚类结果评估专注、走神及信息迷航等三种学习状态。进而对重心平均动态时间规整(DTW barycenter averaging,DBA)算法进行改进,并用于提取群体眼动模式,结合动态时间规整(dynamic time warping,DTW)算法计算扫描路径的相似度和确定聚类种子,采用距离密度聚类(distance density clustering,DDC)算法进行聚类。实验表明,基于时间序列的眼动模式挖掘能够识别群体观看行为。而聚类揭示了不同的阅读策略,并提供了评估学习状态的能力。展开更多
文摘目的探索使用平视显示器(head up display,HUD)是否更加有助于飞行员探测跑道入侵事件,探索飞行员分别使用HUD和传统主飞行显示器(primary flight display,PFD)探测跑道入侵时眼动模式的差异。方法设计并开展了进近着陆情景下飞行员分别使用HUD和PFD探测跑道入侵的实验,采集注视次数、注视时间、注视轨迹和瞳孔直径等数据。结果飞行员分别使用HUD和PFD探测跑道入侵:不会显著影响俯仰姿态、航向、空速、高度、横滚、垂直速度和窗外视景兴趣域的眼动注视次数百分比和眼动注视时间百分比;使用PFD的注视轨迹更有助于探测跑道入侵;显著影响飞行员瞳孔直径。结论相比于PFD,HUD的使用不利于飞行员探测跑道入侵且易导致飞行员疲劳。
文摘木质民居是苗侗族传统建筑文化,个性化定制乃是当今木质民居建筑设计的潮流。为快速配置木质民居个性化定制构件,使得其造型意象真正满足消费者隐性需求,提出一种基于眼动模式的个性化定制构件配置方法。首先,研究了木质民居的组成和人们对构件配置的认知。其次,依据蚁群优化算法思想,建立木质民居个性化定制构件配置过程图解模型;将木质民居个性化定制构件库系统中的构件区域划分为兴趣区域(area of interest,AOI)和注视区域(area of fixation,AOF);以眼动模式中热点图数据为基础,建立眼动数据可视化模型,并以围栏为例,提取注视区域(AOF)的灰度直方图、注视点数目、注视时间及平均注视时间等。再次,计算木质民居个性化定制构件系统中兴趣区域内设计特征的选择概率,以此构建定制构件的适应度函数,寻求配置方案的最优解。最后,以木质民居个性化定制项目为例,论述该方法的配置过程;结合七等级Likert量表实验对眼动实验结果进行对比验证。T检验结果验证了该个性化定制构件配置方法的可行性,能在符合用户隐性需求的基础上进行高效配置,为产品个性化定制模块配置提供一种新的技术方法。
文摘随着眼动追踪技术的进步和设备成本的降低,眼动追踪技术已广泛应用于智能教育领域,分析眼动数据以评估学习状态成为智能教育中一个十分重要的环节。眼动扫描路径可以直接或间接地反映思维模式及心理状态的变化,通过分析扫描路径探索学习者眼动行为的共性和差异性,为改善视觉内容和给出指导性意见提供重要参考。首先研究在同一任务情况下学习者扫描路径的时间序列表示和聚类,通过聚类结果评估专注、走神及信息迷航等三种学习状态。进而对重心平均动态时间规整(DTW barycenter averaging,DBA)算法进行改进,并用于提取群体眼动模式,结合动态时间规整(dynamic time warping,DTW)算法计算扫描路径的相似度和确定聚类种子,采用距离密度聚类(distance density clustering,DDC)算法进行聚类。实验表明,基于时间序列的眼动模式挖掘能够识别群体观看行为。而聚类揭示了不同的阅读策略,并提供了评估学习状态的能力。
