基于感性語意模糊因子評價的圖案設計源碼特征集篩選

王美超，林 麗，萬 露 ，高蕓坤

(1.貴州大學機械工程學院，貴州 貴陽 550025；2.世紀龍信息網(wǎng)絡有限公司，廣東 廣州 510000)

圖案是服飾的視覺符號，不僅貼合服飾的形式和功能，更直接表達了服飾的地域、年代、歷史與文化。其中，對其特征的提取是圖像描述、內(nèi)涵和文化表達的關(guān)鍵。提取的模式特征直接影響后續(xù)處理的質(zhì)量，因此在特定特征提取過程中，尋找能夠反映模式特征的更多度量，分析其內(nèi)在含義均對提高后續(xù)設計的質(zhì)量起著重要作用。由于設計師會從不同的圖案體系中尋找特征以提取出源碼，以分析再加工的方式進行新的創(chuàng)意，促進圖案設計源碼的繼承、挖掘及再設計。為此，設計源碼特征集的篩選與提取，對于尋找圖案體系的文化內(nèi)涵與創(chuàng)新具有指導性意義。

1 相關(guān)工作

圖案是一種展示可視靜態(tài)空間的造型藝術(shù)[1]。對圖案進行特征提取，有助于圖案創(chuàng)新、特征沿襲以及新產(chǎn)品的研發(fā)。通過文獻梳理，圖形構(gòu)造上可基于面積及輪廓線評價指標擬合進行圖案基元進行提取[2]；結(jié)構(gòu)上可用拓撲構(gòu)型的設計方法，選擇符合特征元素的圖形進行創(chuàng)新設計，生成具有民族性風格的圖案[3]；可建立圖案的層次表達模型，模擬自然語言改進形狀文法進行構(gòu)形分析[4]；此外，可通過遺傳算法結(jié)合匹配算法識別圖案特征[5]；可基于小波距的新型圖形識別算法形成一個圖象識別系統(tǒng)[6]；以及特征選擇和分類識別[7]?，F(xiàn)有研究多集中在圖形構(gòu)造與多特征提取算法方面，缺少對圖案深層次文化涵義方面的研究。為此本文提出了用戶感性訴求關(guān)聯(lián)的設計源碼識別方法，實現(xiàn)為以用戶為中心的感性產(chǎn)品設計尋求最原始的素材。

圖案設計源碼表達了圖案的文化內(nèi)涵及特征意象。在意象研究中，感性工學(Kansei Engineering)作為一種常用的感性意象研究方法，表達了人們對于產(chǎn)品的感情需求[8-9]，能夠?qū)⑷藗儗τ诓煌挛锏母行砸庀蠖ㄐ?、定量的表達出來設計出符合人需求的產(chǎn)品，實現(xiàn)在產(chǎn)品設計中完整表達人的感性認知[9-11]。為此，將感性工學引入圖案設計源碼的提取研究中，能避免人為選擇提取目標的主觀性，并從用戶感性需求的角度提高圖案篩選的有效性。

本質(zhì)上說，設計源碼是完整表達一個圖案體系的具體特征和文化內(nèi)涵的基本元素，源碼涵蓋了整個圖案體系的信息，提取的設計源碼能完整保留整個體系的特點，在此基礎(chǔ)上為創(chuàng)新圖案提供素材，對服飾的數(shù)字化收集與創(chuàng)新設計起著極其重要的作用。設計源碼就是通過圖案挖掘文化背后的深層次含義，尋找圖案體系的代表性樣本中體現(xiàn)圖案設計特征及其文化內(nèi)涵的基本元素。在特征提取方面，感性工學常用的方法有層次分析法[12-13]、曲線控制法[14]、參數(shù)模型法[15-16]、實物測量法[17]等。以上方法實現(xiàn)簡單，適用性強，在感性工學中應用十分廣泛。但層次分析法存在主觀性強；權(quán)重系數(shù)固定不變的缺陷；曲線控制法則容易產(chǎn)生較大誤差；參數(shù)模型法雖然使數(shù)據(jù)更加穩(wěn)健，但數(shù)據(jù)的缺乏會導致無法判斷分布，亦沒有顯著特征；實物測量法則過度依靠表面觸覺無法挖掘深層次含義。大部分圖案特征提取多集中于圖案表面所表達的東西，不利于挖掘圖案體系的深層涵義。

為此，研究者進一步研究了觸及文化內(nèi)涵的圖案特征提取，賈小軍等[18]提出一種輪廓線擬合的圖案基元提取方法，獲得有效的圖案基元輪廓以及執(zhí)行效率。繆永偉等[19]提出二維線實現(xiàn)三維雕刻的方法進行圖案文化分析。馬云等[20]運用民俗學和人類學理論從3個方面對圖案進行研究。顧朝暉和王亞娟[21]運用聚類分析青花紋樣再設計應用，得到公共特征圖。由此可見，大部分的研究主要集中在意象的研究，但在一定程度上缺乏數(shù)據(jù)量化分析，且提取過程中會存在誤差和主觀因素影響。而模糊評價可以量化定性判斷，同時加強其數(shù)據(jù)準確性，減少主觀因素影響，并提高評估結(jié)果的系統(tǒng)性，因此在文化內(nèi)涵提取方面具有一定的可行性。

綜上所述，本文提出一種基于聚類分析的感性模糊因子評價的設計源碼特征集篩選方法，降低不確定性以選擇優(yōu)等方案，從而得到可以體現(xiàn)圖案設計源碼的特征集，用于后續(xù)的圖案指導性設計和衍生產(chǎn)品造型設計。從設計源碼提取的角度進行深層次的特征提取可以在一定程度上解決主觀性強、誤差大的問題，使得到的結(jié)果更加準確且抓住其主要的特征涵義。

2 感性設計源碼集提取方法

2.1 方法研究框架

首先進行樣本空間建立，篩選出代表性樣本。然后建立感性語意空間，設置典型的圖案設計源碼特征集，經(jīng)契合評價給出相應的描述詞匯集，并記錄調(diào)查者的SD量表語意差分值，生成感性信息數(shù)據(jù)庫。接著根據(jù)數(shù)據(jù)庫中的典型數(shù)據(jù)因子作為模糊評價數(shù)據(jù)集，確定其隸屬權(quán)重，分析出評價因素間相互作用的復雜性和差異性，得到評價因子集。最后用評價因子集進行樣本集聚類篩選，獲取設計源碼集。設計源碼集提取方法研究框架如圖1所示。

圖1 研究框架

2.2 提取方法

2.2.1 基于契合評價法的詞匯基礎(chǔ)因子篩選

為了降低主觀意識對意象篩選的影響，首先引入契合評價法進行基礎(chǔ)因子的篩選，根據(jù)“求同存異”中不因個別分歧而影響主要方面求得一致的思想，確定唯一相同因素與被研究對象之間的聯(lián)系，使得結(jié)果更加準確。基于“求同存異”思想的篩選其邏輯模型如圖2所示。其中，an為樣本集根據(jù)規(guī)律進行分類的研究對象集；bi(i=1,2,3,···,n)為相關(guān)因素因子；cm為不同的載體。通過分析相關(guān)因素的頻率的高低得出基礎(chǔ)因子，即

其中，fi為第i個相關(guān)因素因子的頻率；si為第i個因子出現(xiàn)的總次數(shù)；x為所有因子總次數(shù)，通過比較fi的大小確定出基礎(chǔ)因子。

圖2 契合評價法研究框架

2.1.2 模糊因子評價

建立基礎(chǔ)因子集I={I1,I2,···,IN}?；诨A(chǔ)因子集制作調(diào)查問卷得到數(shù)據(jù)，分析其中的綜合性指標因素，提取出重要因子。因子的篩選主要從原始變量相關(guān)依賴性出發(fā)，將一些復雜因子歸結(jié)為幾個綜合因子，但具有優(yōu)劣性，因此用模糊綜合評價來解決優(yōu)劣性問題。為判斷特征值是否符合用因子分析降維，引用KMO(Kaiser meyer olkin)檢驗和Bartlett球形檢驗。Bartlett中p值小于顯著性水平(取0.05)，KMO主要是檢驗因子之間的相關(guān)性，數(shù)值在 1~0之間，評判準則見表1。

表1 KMO評判準則

通過分析碎石圖的拐位點確定因素數(shù)目，主要是分析顯示因子與分量之間數(shù)量相關(guān)聯(lián)的下降特征值。步驟如下：

步驟1.U={u1,u2,···,um}，其中U為因子集；V=(v1,v2,···,vn)為各影響因素。

步驟2.V=(v1,v2,···,vn)，其中V是評價集；vi(i=1,2,···,n)為等級評價。為了顯示每個因子對評估對象的影響的重要性，指定vi為＜1的非負實數(shù)，且。

步驟3.假設對集合I進行模糊綜合評價，得到權(quán)重集合xi=(xi1,xi2,xi3,···,xit)，其中t為因子的總個數(shù)；每個權(quán)重值由具體因子數(shù)據(jù)來確定；為因子用最大方差法進行正交旋轉(zhuǎn)后平方和集合。其中

其中，Em(m=1,2,···,t)為第m個因子的評價值；hi為第m個因子的方差貢獻值；i?為不可預測特殊因子；d的度量為不同專家評價值差值。

步驟4.把合成評價集矩陣Em(e1,e2,···,en)歸一化處理后，將歸一化處理后的評價指標em作為權(quán)重，加權(quán)平均評價指標為

其中，k為加權(quán)指數(shù)，通常將其視為2；vm為第m個占有全體的比重。如果替代因子是模糊語言變量，則模糊語言量可以分別由相關(guān)的適當數(shù)字量表示，并通過加權(quán)平均法得出隸屬度。通過隸屬度的對比得到的因子權(quán)重值，得到代表性因子。

2.1.3 基于聚類的特征集篩選

通過模糊因子評價得到的代表性因子設計調(diào)查問卷。問卷內(nèi)容主要包括受試者對每一個產(chǎn)品樣本的詞匯意象的偏好程度(分為 5級)，且需要達到合理科學的問卷數(shù)量。

基于聚類的特征篩選步驟如下：首先用系統(tǒng)聚類確定k個類別和基礎(chǔ)聚類中心。通過調(diào)查問卷得到數(shù)值集其中n為樣本總個數(shù)；m為樣本維度，樣本集的類別空間為然后測量一對樣本點的距離，即聚類中心為

其中，nv為第v類的樣本數(shù)目。

通過不斷迭代，時間復雜度逐漸近似于線性，聚類中心不再改變，目標是最小化簇中樣本之間距離與最大化簇間樣本之間距離的差值，目標函數(shù)為

以前期調(diào)研數(shù)據(jù)為基礎(chǔ)，運用系統(tǒng)聚類方法對樣本進行定量聚類分析，獲得對應的系統(tǒng)聚類樹狀圖，從而得到樣本的聚類數(shù)目。然后比較樣本與聚類簇點(聚類中心點)的距離判斷群體中每個樣本源碼特征屬性，即距離越遠則其源碼特征屬性越弱，距離越近則其源碼特征屬性越強，進而挑選出每個聚類群體中最具有代表性的樣本，最終獲得設計源碼特征集。

3 實例分析

3.1 樣本空間建立

3.1.1 樣本采集

本文以苗族服飾圖案設計源碼特征集篩選為例，通過實地考察、書籍翻閱以及互聯(lián)網(wǎng)檢索等方式收集苗族服飾圖片，去除整體服飾的影響以保留圖案及顏色的代表性樣本。苗族服飾是苗族文化內(nèi)涵的載體，主要體現(xiàn)在圖案上，苗族服飾圖案的設計源碼特征可以完整地體現(xiàn)苗族文化內(nèi)涵。

3.1.2 樣本評價篩選

初始選擇400張左右的苗族服飾圖案圖片。根據(jù)圖案的相似來源、顏色拼接以及構(gòu)圖的相似性分類，篩選出具有代表性的圖案圖片，為避免色彩影響進行灰度處理。最后整理出 40張最終代表性圖片，如圖3所示。

3.2 語意空間建立

3.2.1 基于契合評價法的詞匯基礎(chǔ)因子篩選

通過多種方式，收集可以評價圖案情感的形容詞，作為語意詞匯的選擇范圍。初期通過網(wǎng)絡，訪談以及問卷的形式得出了200個情感性詞匯，并且分為了10類。通過契合評價法得到了14個初始詞匯，分別為：對稱的、復雜的、精細的、重復的、和諧的、密集的、故事性的、典雅的、內(nèi)涵的、簡約的、感性的、莊重的、抽象的、神秘的。通過 5級評分標準的語意差量法，被試者根據(jù)代表性圖案樣本與感性語意詞匯的契合度進行評價。

圖3 代表性樣本圖集

3.2.2 感性語意評價

第一階段調(diào)查問卷數(shù)據(jù)來源于 30名不同領(lǐng)域的被試者，包含專業(yè)設計學生，社會工作者，其他學科學生，其中專業(yè)與非專業(yè)的比例為1∶1。收集被試者對代表性樣本匹配14個感性意象詞匯，得到圖案特征的主觀評價值。由此獲得苗族服飾圖案詞匯感性評價均值(圖4)。

圖4 苗族服飾圖案詞匯感性評價均值

3.2.3 模糊因子評價

實驗之前，對特征值進行KMO和Bartlet檢驗，其結(jié)果KMO檢驗值為0.706，大于0.600，表明數(shù)值具有偏相關(guān)性[22]，進行可靠性檢驗為 0.739。同時Bartlet檢驗顯著值為0.002，小于0.050，表明具有獨立性。因此此類特征適宜進行因子分析降維。

根據(jù)表一中感性語意評價數(shù)據(jù)，用碎石圖(圖5)可以看出前 4個因子位于陡坡之上，其余因子的散點逐漸形成了平臺，且特征根值均小于 1，因此前4個因子為主要特征因子。

根據(jù)旋轉(zhuǎn)后因子載荷矩陣分析出前 4個公因子的累積方差貢獻率達78.178%，在充分提取和解釋原變量的信息方面比較理想。第一成分主要由“對稱的”、“復雜的”、“精細的”、“重復的”、“和諧的”、“密集的” 6個代表性語意詞匯組成，其主要描述著苗族民族服飾的和諧性。第二成分主要由“故事性的”、“典雅的”、“內(nèi)涵的” 3個代表性語義詞匯組成，主要描述著苗族民族服飾的內(nèi)涵，可以稱為內(nèi)隱因子。第三成分主要由“簡約的”、“感性的”、“莊重的” 3個代表性詞匯組成，主要描述著苗族民族服飾的感性含義，可以稱為感性因子。第四部分主要由“抽象的”、“神秘的” 2個代表性詞匯組成，主要描述著苗族民族服飾的色彩含義，稱為外顯因子。

圖5 碎石圖

4個主要因子進行價值性判斷為：

步驟1.影響對圖片的判斷，主要有和諧、內(nèi)涵、感性、外顯等，因素集為U={和諧度，內(nèi)涵，感性，外顯}。

步驟2.評語集為V=(v1,v2,···,vn)=(優(yōu)，良，中，差)，其分值見表2。

表2 評語集

步驟3.把旋轉(zhuǎn)后因子載荷矩陣的數(shù)值帶入，根據(jù)模糊因子評價表達式得到4個因子權(quán)重評價集ψ=(0.3795，0.2184，0.2181，0.1839)。

分別對“和諧的”、“復雜的”、“典雅的”、“神秘的”意象詞匯評判。其中，隸屬度m=判斷某因素屬于Vi的專家個數(shù)/7(專家總數(shù))；7位專家對民族性的圖案的4個意象詞匯作為指標，打分構(gòu)成的模糊評價矩陣分別為

根據(jù)公式B=Ai×R，Ai(i=1,2,3,···)為各個元素的權(quán)重分配，得到的綜合評價向量為

通過上述分析，得到單因素與評價指標之間的模糊關(guān)系，未考慮總體因素與評價指標之間的模糊關(guān)系，因此建立模糊綜合評價模型為

民族性圖案意象總體綜合評價向量為

步驟4.根據(jù)以上的模糊綜合評價集，用第二加權(quán)的方式進行進一步處理，令k=2，根據(jù)式(4)得到

得出 4種不同意象詞對與民族性的評估結(jié)果66.68∈[50,80]，此結(jié)果在評語集V中的等級為良。上述結(jié)果表明，4個代表性因子可以作為評判設計源碼特征的評價指標。

3.2.4 方法驗證

為了驗證其模型的有效性，重新選擇5個意象詞匯“和諧的—凌亂的、復雜的—簡約的、可愛的—沉悶的、絢麗的—單調(diào)的、雜亂的—整齊的”，另外選擇30名受試者對隨機選出的5個樣本進行用戶感性評價。另外用前述模型受測者根據(jù)苗族文化特征進行預測，通過多元方差分析對實驗結(jié)果和預測結(jié)果之間進行顯著性檢驗，得到表3。其顯著性結(jié)果均大于0.05，因此沒有顯著性差異，具有較好的適應性?？勺C明模糊因子評價模型方法對苗族文化特征的圖案篩選因子確定具有可行性。

表3 顯著性檢驗結(jié)果

通過以上定性和定量相結(jié)合的方式，分析出苗族服飾的設計源碼情感反應主要以“和諧因子”，“內(nèi)隱因子”，“外顯因子”，“感性因子”4個綜合指標影響著用戶對設計源碼的情感體現(xiàn)，因此是設計者需要更多關(guān)注的指標。因此可以提出4對形容詞匯：和諧的—凌亂的，復雜的—簡約的，典雅的—庸俗的，神秘的—寫實的。

3.3 樣本篩選

采用語義差異法對類比法篩選出的 40個基礎(chǔ)樣本進行感性意象調(diào)查。受試者主要為工業(yè)設計專業(yè)學生以及非專業(yè)人員，其中男、女比例為1∶1。在實驗中，受試者根據(jù)自己的主觀感覺進行評價，把問卷數(shù)據(jù)輸入excel中進行初步分析，獲取每個樣本和感性詞匯之間相應數(shù)據(jù)的平均值，得到圖6，再用系統(tǒng)聚類法和 k-means聚類方法分析上述數(shù)據(jù)，提取出苗族民族服飾圖案設計源碼特征集。

3.3.1 系統(tǒng)聚類分析

根據(jù)獲得的調(diào)查數(shù)據(jù)，通過系統(tǒng)聚類分析對40個樣本進行初步分析。得到系統(tǒng)聚類數(shù)據(jù)圖，通過得到的分類結(jié)果，可以觀察出最好的結(jié)果是分為8類。

3.3.2 k-means聚類方法分析

根據(jù)系統(tǒng)聚類分析的數(shù)據(jù)，在進行k-means聚類方法時設定分類數(shù)目為8類。聚類分析計算最小化簇中樣本之間的距離并最大化簇間樣本之間的距離，中心的最小值可以視為此類別的代表性樣本(表4)。

根據(jù)表3顯示，根據(jù)距離中心點的最短距離判斷最終的代表性樣本為樣本19、樣本2、樣本13、樣本40、樣本21、樣本17、樣本34、樣本31，8個樣本表達了苗族服飾圖案背后的民族文化意象。此8個樣本構(gòu)成的苗族服飾圖案設計源碼特征集(圖7)，可作為苗族民族產(chǎn)品指導設計的基礎(chǔ)。

圖6 樣本數(shù)據(jù)平均值

表4 k-means樣本聚類結(jié)果

圖7 圖案設計源碼特征集

4 結(jié)束語

本文提出了基于反向推理意象誘因的角度來篩選設計源碼特征集的方法，以用戶視角為出發(fā)點，以量化定性的方式分析設計參數(shù)對圖案設計源碼提取的影響，并結(jié)合因子分析和模糊評價將多個感性詞匯變量篩選出優(yōu)選的因子，同時以苗族服飾圖案為例，獲得圖案設計源碼特征集。圖案設計源碼代表了一個圖案體系的內(nèi)部涵義，在文化傳承中起著重要作用。得到的設計源碼特征集對于創(chuàng)新產(chǎn)品再設計，提高設計師的效率以及做出準確、高效率的決策具有指導性意義。該方法有效解決圖案提取過程中的缺乏用戶感性認知的問題及數(shù)據(jù)的模糊和不確定性。

本文研究僅從感性的方面切入，對圖案設計源碼特征集提取進行了研究，下一步將對特征集元素間關(guān)系進行研究分析，以求得代表性設計源碼的特征要素。