《基于主成分分析法的汽车轮毂感性认知的研究(图文).docx》由会员分享，可在线阅读，更多相关《基于主成分分析法的汽车轮毂感性认知的研究(图文).docx（5页珍藏版）》请在三一文库上搜索。
1、基于主成分分析法的汽车轮毂感性认知的研究(图文)论文导读：现代社会汽车轮毂的个性化趋势越来越明显，越来越多的消费者开始注重轮毂的款式。本论文研究试图通过主成分分析法研究人们的感性意象与汽车轮毂外形设计的对应关系。本文应用了主成分分析的方法。关键词：感性意象，汽车轮毂，语义差分法，主成分分析 一、 研究背景市场经济的飞速发展带动了工业设计的成长，同时也带动和提高了消费者的消费水平和消费情趣，人们已不满足于产品功能上的使用，而更多的关心其感性层的需求，理性消费渐渐转入感性消费。论文参考网。现代社会汽车轮毂的个性化趋势越来越明显，越来越多的消费者开始注重轮毂的款式。但是在国内汽车轮毂还只是
2、处在必需品阶段，个性化的、具有附加价值的轮毂还只是少数，目前大多数国产车在轮毂造型样式上满足不了消费者个性化的需求。本论文研究试图通过主成分分析法研究人们的感性意象与汽车轮毂外形设计的对应关系。二、 研究方法（一）、语意差分法(Semantic Differential Method)本次调研主要采用感性工学中的语意差分法进行。论文参考网。语意差分法以对多组相反的形容词汇组为基础，结合联想和评估来研究事物的特征意义。它由被评估的事物(concept)、量尺(scale)、受测者(subject)三个要素组成。量尺中每一组反义词之间有5-11个区间，人们通过选择区间上的数值来反应对事物的感性认识
3、及反应强度。如在本次问卷的设计中，我们用“简约的复杂的”这对形容词来表示汽车轮毂的风格，区间值为5，即-2，-1，0，1，2，选择-2即表示倾向简约风格，选择0表示此组形容词无法引起受测者的共鸣，选择2则表示倾向于复杂风格。（二）、主成分分析法(Principal Component Analysis)本文应用了主成分分析的方法。它是一种降维的处理技术，是把给定的一组相关变量通过线性变换转换成另一组不相关的新的变量，新的变量能解释原始数据大部分方差所包含的信息，其包含的信息量是原始数据包含信息量的绝大部分，剩下的变量对方差的影响很小，所以我们称这些新变量为主成分，原始变量都是主成分的线性组合，
4、用主成分来代表原始变量。一般情况下我们不能使用所有的原始变量，而是根据需要选择几个因子来代表原来数据中的主要信息。三、研究过程（一）、设定研究对象论文研究针对年轻人对汽车轮毂的感性意象进行调研，依据年龄、性别、学历、目前收入状况等四个部分来搜集被访者的基本资料信息。因为年轻人是时尚和个性的追求者，对于汽车的外观要求较高。同时由于汽车价格普遍下调，许多年轻人的购车计划纷纷提前，有资料显示，购车族年轻化趋势明显，选择这一群体作为研究对象具有较高的研究价值，对于汽车制造商针对年轻人的汽车轮毂设计有一定的指导意义。（二）轮毂样本和形容词汇的选择为了减少统计误差，我们先将轮毂材质和色彩的感性因素进行定位
5、。首先，设计一份关于轮毂材质和色彩的调查问卷。通过统计，消费者根据自己的喜好和经济承受能力等方面考虑，大部分选择铝合金、银色系的汽车轮毂。这样就避免了在搜集样本和形容词汇的时候的盲目性，减少了劳动量和时间。从网络、汽车杂志、摄影等渠道获取汽车轮毂样本657个，依据其结构、风格等要素删掉重复或者类似的样本，得到45个样本，最终筛选得到不同类别的样本10个。如下所示：图 1 样本筛选结果同时以类似的渠道广泛搜集描述汽车轮毂的形容词，初步得到69个形容词汇，去掉意义重复和相近的词汇，得到26个形容词汇。通过网络投票，选出的票数较多的前10个词汇，然后从词汇库中找出另外10个词汇与之匹配，组成反义词汇
6、组，得到研究的重要评估资料。词汇组如下：表1 筛选出的10对感性词汇组 张扬的稳重的 呆板的动感的 复杂的简约的 平面的骨感的 严谨的个性的 传统的前卫的 平凡的美观的 脆弱的坚固的 无质感质感的 笨重的轻盈的 四、数据分析（一）、原始数据分析针对10个样本建立调查问卷，设定被访者数目定为40名，年龄在19-35岁之间。被访人群有高校学生、专业设计师及其他职业人员，运用SD法建立问卷。通过对10个样本的回收问卷在EXCEL的初步分析，得到数据的平均值柱状图如下所示：图2 平均值的柱状图从图中看出，100个分值中，有66个正值，3个值为0，31个负值。由于正值的趋向是前
7、期筛选后的前10个词汇，正值占总量的66%，初步验证了前期筛选的样本符合研究课题。其中三个样本的正值分别为3个、2个、4个，低于10组词汇的平均数5，说明年轻人对于三个样本意象满意度较低。以“张扬的稳重的”这组词汇为例，平均值向上的数据表示该样本趋向于“稳重”感觉，平均值向下的数据表示该样本趋向于“张扬”的感觉。从图2可以看出，100个数据中绝对值大于1.5的只有一个，对应的是样本4中的“呆板的动感的”词汇组，趋向于动感意象，而其余峰值都落在1.5以内。求得所有正值的均值为0.83，所有负值的均值为-0.53，取此两个值的绝对值得平均值为0.68。将分值的绝对值大于0.68的数据挑选出来，大于0.68的数据说明该样本趋向于右边的词汇，小于-0.68的数据说明趋向于左边的词汇。以此来表示受测者对于描述样本的哪些词汇有较为强烈的反应。（二）主成分分析为了更有效的研究上述变量，利用图中的数据，通过因子分析的主成分分析法来研究受测者对于10个样本的感性评价的数据。以最大方差旋转法进行直交转轴，构建出整个感性词汇数据的因素空间，然后取特征值大于1的因子，共选出3个主成分因子，其解释变量累积为96.788。将主成分分析的结果整理成表2，此表显示汽车轮毂的感性词汇空间由三个感性词汇因子轴构建。