不确定复杂信息决策的用户体验测试技术研究

作     者：张少林 

作者单位：重庆科技学院 

学位级别：硕士

导师姓名：李太福;田峰

授予年度：2023年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：不确定监督学习 人脸表情识别 用户体验测试 Swin-Transformer 

摘      要：随着经济发展和文化进步,人们对于产品的追求已经不再局限于产品本身所能提供的功能性,而是更注重产品所带来的情感体验和品位表达,产品的用户体验研究成为了企业开展差异化竞争、提高经济效益的重要研究工作。但现有的用户体验研究方式存在测试流程繁琐、评价结果不够客观等问题,为用户体验结果的准确性造成一定影响。因此,本文从以下几方面开展了相关研究工作:(1)针对用户体验测试建模过程中存在的不确定性监督学习问题,受模糊决策科学和自然智能相关研究工作的启发,使用EWM-RPDFWA算法去除评价过程中存在的不确定性,估计真实用户体验评价结果。通过仿真实验与NWA算法、OWA算法以及DWA算法进行对比,实验结果显示本文所用算法在客观指标MSE和MAE上性能更加优越,符合用户体验去不确定性效果。(2)针对本文选用用户体验测试方案中人脸表情识别问题,考虑到用户体验测试实际需要,建立了一套人脸表情数据集。使用Swin-Transformer框架搭建模型的Back Bone层,此框架采用滑动窗口注意力和窗口注意力交替使用的设计,极大地提升模型对关键特征的提取能力;在Neck层采用BiFPN-m模块,减小网络特征融合过程中语义信息的丢失;此外,融入CBAM模块进一步提升模型特征提取能力。通过与经典目标检测算法SSD、Fast R-CNN、YOLOv5和YOLOX等以及人脸表情识别算法FERAtt和FaceNet2ExpNet等进行对比实验分析,本文提出的Swin T-Bm C算法检测精度最高,达到了97.81%,能够满足用户体验评价中人脸表情识别的实际需要,也证明了算法改进的有效性和可行性。(3)针对用户体验测试建模问题,提出了UKF-XGBoost算法。此算法将用户体验评价多属性决策结果与人脸表情谱向量之间建立了映射模型。通过开展仿真实验,对比XGBoost模型和UKF-XGBoost模型的拟合效果,结果显示UKF-XGBoost算法在整体性能上明显优于XGBoost算法,证明了改进算法的优越性。(4)基于以上研究成果,为验证本文所提模型实际应用效果,本文在数字式超声波探伤仪设计参数方案优选上开展用户体验测试实验,从多种不同设计方案中进行了优选,验证了模型的有效性。并根据用户体验测试实际需要,基于Py Qt5界面设计库开发了从用户体验测试视频得到用户体验评价结果的端到端用户体验测试界面。