基于交叉范式的触控交互技术研究

来源 :南京航空航天大学 | 被引量 : 0次 | 上传用户:fuyao698
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目标选取是人机交互界面最基本的任务之一。交叉范式(crossing paradigm)是一种重要的目标选择方法。该范式已经在鼠标、笔、触控以及虚拟现实交互界面中得到了广泛的关注。然而,在触控交互界面中,目前对于静态以及动态目标选取任务的交叉范式的研究仍存在一定的不足。因此,本硕士论文开展了如下研究工作。第一,现有对基于交叉范式静态目标选择的研究没有考虑干扰项的影响。因此,本文对六种干扰项界面布局的任务时间进行分析和建模。本文开展用户实验,通过实验数据分析了干扰项对每种干扰项布局的影响,并验证了六种模型对于目标选择时间预测的有效性。第二,现有对交互界面运动目标选择的研究,没有进行交叉范式和点击范式的直接对比。本文开展了用户实验,通过实验数据分析对比了交叉和点击范式对运动目标选择的效果。总体而言交叉范式优于点击范式(交叉的目标选择时间和错误率更低),但交叉相对与点击的优势程度会受目标尺寸、运动速度等自变量的影响。第三,现有对存在干扰项情况下运动目标选择的研究缺乏对交叉范式的考虑。本文根据目标形状的不同(线段和圆形)设计了两种形式的交叉范式并进行用户实验与点击范式进行对比。实验数据的分析结果表明,交叉范式(目标为线段时)在任务时间和准确率上明显优于点击范式。本文的结论将丰富交叉范式的形式,进一步补充交叉范式在人机交互的理论基础,并有助于更合理地设计基于交叉范式的触控交互界面。
其他文献
人脸表情能够传达重要的非语言信息,是情绪的直接体现。学会识别表情就是学会了人际交往的重要技巧,可以帮助了解对方的意愿、健康状况、情绪波动、好恶情况等等。因此,如果计算机能自动识别人脸表情,那就可以被广泛应用于生活中的各个方面,如人机交互系统、互联网教育、虚拟现实、智能监控、广告的精准推送、疾病的预防、紧急危害事件的预测等。目前在实验室场景下的人脸表情识别技术已经达到很高的准确率。但这种技术若是应用
学位
近年来,深度强化学习已经在游戏人工智能,自动控制等领域取得了很大的成功。然而,现实世界中许多任务场景包含多个智能体。“中心训练-分散执行”框架由于其结构简单并且优化效率高,逐渐成为求解多智能体强化学习问题的主流算法。本文首先对当前对强化学习算法和多智能体强化学习算法进行综述,尤其对多智能体强化学习中存在的问题进行分析。之后针对“中心训练-分散执行”框架下的协作多智能体强化学习算法,在理论框架,中心
学位
随着数据规模和计算资源的快速增长,机器学习在理论和实践两方面都取得了长足进展。然而,在许多真实场景中,目标任务中的标注样本非常稀缺,难以学得高效模型。迁移学习通过利用其它相关任务的知识提高目标模型泛化性能,是克服这一难题的重要途径之一。然而在许多现实应用中,由于任务相关性的不同,现有迁移学习方法难以稳定地提升模型效果。同时,往往仍需要较大规模的标注样本进行迁移学习。针对上述挑战,本论文开展跨任务主
学位
序数回归是多分类问题的一种特殊情况,专门用于解决样本标签具有明显偏序关系的多分类问题。这类问题在现实生活中大量存在,如信用评估、电影评分、台风预测等。然而,实际问题中往往缺少有标记的样本,而存在大量未标记的样本。相比普通多分类问题,序数回归的样本标记由于要考虑标签之间的偏序信息,标记过程更为复杂、代价更高。本文首先对现有相关研究成果的综述和整理。从半监督框架下的序数回归问题出发,对序数回归模型以及
学位
为进一步深化社会信用体系建设,提升金融服务水平,中国人民银行连云港市中心支行联合多个部门在连云港市范围内组织开展了信用县创建活动。文章分析了综合评价秩和比法的原理,并通过信用县创建工作中运用秩和比法,对其进行了实证检验。实践表明,基于秩和比的综合评价算法很好地从客观上给出评价排名结果,有力地保证了信用县创建工作的顺利实施。
期刊
随着模式识别与人工智能技术的发展,深度学习成为近年来备受关注的一种技术范例,在推荐系统、音频、图像乃至视频等多维度的许多实际情景中得到了广泛的应用,同时也将传统模式识别与人工智能领域的诸多问题,如对抗学习和自监督学习引入到了深度学习的领域。然而,大部分成功实践背后的工作机制仍然是一个谜,而大部分真实部署的深度学习模型对工程师和研究者而言仍然是黑盒,从而引起了学界对机器学习理论基础进行研究的热情。为
学位
安全关键系统(Safety-Critical Systems,SCS)广泛应用于航空、航天、交通、核能等领域,这些系统具有资源受限、高安全性、高可靠性、实时响应、交互频繁等特点。近年来,模型驱动开发方法逐渐成为安全关键系统设计与开发的重要手段。模型驱动开发方法的生命周期通常始于系统的分析或设计阶段,较少涉及需求阶段。但是,安全关键系统中导致严重事故的问题链的最上端原因往往是系统需求问题,而这类系统
学位
传统的时间序列预测由于非常依赖于距离被预测数据较近的样本数据,所以其总是假定有足够的训练数据可以获得且获得的训练数据和测试数据服从相同的分布。但是在现实生活中存在各种局限性,距离被预测数据较近的样本数据总是难以获取或者得到的数据量相对较少,这将无法直接使用传统的时间序列预测算法。反观若干年之前的老数据,其较为容易获得且数据量较大,若将其直接抛弃,则会导致相当一部分数据信息的流失。于是,避免直接抛弃
学位
随着互联网技术的发展,人们越来越习惯于在网络进行购物并发表评价,或者对热点时事发表观点。对于海量的网络文本进行分析,寻找文本主题并对文本进行主题分类并提取其情感倾向已经成为NLP重要研究方向。政府和公司越来越多地通过此方法分析研究人们对周围不同事物、不同事件的观点和看法,并利用收集到的信息指导接下来的工作。传统的情感分析和主题分析一般是基于词典展开的,但是词典的构建需要花费大量的人工时间,且在不同
学位
多跳物联网拓扑灵活,接入设备数量、类型繁多,设备的硬件、软件安全性低,使整个网络安全性不足,易遭受来自内部的恶意攻击。攻击者可入侵物联网设备节点,并使用这些节点窃取敏感的网络数据,篡改网络中的数据,恶意丢包,甚至发动拒绝服务(Do S)攻击等。攻击者从网络内部发起攻击,使面向外部攻击的防护措施失效。内部攻击通常具有隐蔽性,且物联网设备资源有限,使得如何在多跳物联网中高效地定位恶意节点成为难题。因此
学位