基于感性语意模糊因子评价的图案设计源码特征集筛选

王美超，林 丽，万 露 ，高芸坤

(1.贵州大学机械工程学院，贵州 贵阳 550025；2.世纪龙信息网络有限公司，广东 广州 510000)

图案是服饰的视觉符号，不仅贴合服饰的形式和功能，更直接表达了服饰的地域、年代、历史与文化。其中，对其特征的提取是图像描述、内涵和文化表达的关键。提取的模式特征直接影响后续处理的质量，因此在特定特征提取过程中，寻找能够反映模式特征的更多度量，分析其内在含义均对提高后续设计的质量起着重要作用。由于设计师会从不同的图案体系中寻找特征以提取出源码，以分析再加工的方式进行新的创意，促进图案设计源码的继承、挖掘及再设计。为此，设计源码特征集的筛选与提取，对于寻找图案体系的文化内涵与创新具有指导性意义。

1 相关工作

图案是一种展示可视静态空间的造型艺术[1]。对图案进行特征提取，有助于图案创新、特征沿袭以及新产品的研发。通过文献梳理，图形构造上可基于面积及轮廓线评价指标拟合进行图案基元进行提取[2]；结构上可用拓扑构型的设计方法，选择符合特征元素的图形进行创新设计，生成具有民族性风格的图案[3]；可建立图案的层次表达模型，模拟自然语言改进形状文法进行构形分析[4]；此外，可通过遗传算法结合匹配算法识别图案特征[5]；可基于小波距的新型图形识别算法形成一个图象识别系统[6]；以及特征选择和分类识别[7]。现有研究多集中在图形构造与多特征提取算法方面，缺少对图案深层次文化涵义方面的研究。为此本文提出了用户感性诉求关联的设计源码识别方法，实现为以用户为中心的感性产品设计寻求最原始的素材。

图案设计源码表达了图案的文化内涵及特征意象。在意象研究中，感性工学(Kansei Engineering)作为一种常用的感性意象研究方法，表达了人们对于产品的感情需求[8-9]，能够将人们对于不同事物的感性意象定性、定量的表达出来设计出符合人需求的产品，实现在产品设计中完整表达人的感性认知[9-11]。为此，将感性工学引入图案设计源码的提取研究中，能避免人为选择提取目标的主观性，并从用户感性需求的角度提高图案筛选的有效性。

本质上说，设计源码是完整表达一个图案体系的具体特征和文化内涵的基本元素，源码涵盖了整个图案体系的信息，提取的设计源码能完整保留整个体系的特点，在此基础上为创新图案提供素材，对服饰的数字化收集与创新设计起着极其重要的作用。设计源码就是通过图案挖掘文化背后的深层次含义，寻找图案体系的代表性样本中体现图案设计特征及其文化内涵的基本元素。在特征提取方面，感性工学常用的方法有层次分析法[12-13]、曲线控制法[14]、参数模型法[15-16]、实物测量法[17]等。以上方法实现简单，适用性强，在感性工学中应用十分广泛。但层次分析法存在主观性强；权重系数固定不变的缺陷；曲线控制法则容易产生较大误差；参数模型法虽然使数据更加稳健，但数据的缺乏会导致无法判断分布，亦没有显著特征；实物测量法则过度依靠表面触觉无法挖掘深层次含义。大部分图案特征提取多集中于图案表面所表达的东西，不利于挖掘图案体系的深层涵义。

为此，研究者进一步研究了触及文化内涵的图案特征提取，贾小军等[18]提出一种轮廓线拟合的图案基元提取方法，获得有效的图案基元轮廓以及执行效率。缪永伟等[19]提出二维线实现三维雕刻的方法进行图案文化分析。马云等[20]运用民俗学和人类学理论从3个方面对图案进行研究。顾朝晖和王亚娟[21]运用聚类分析青花纹样再设计应用，得到公共特征图。由此可见，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数据量化分析，且提取过程中会存在误差和主观因素影响。而模糊评价可以量化定性判断，同时加强其数据准确性，减少主观因素影响，并提高评估结果的系统性，因此在文化内涵提取方面具有一定的可行性。

综上所述，本文提出一种基于聚类分析的感性模糊因子评价的设计源码特征集筛选方法，降低不确定性以选择优等方案，从而得到可以体现图案设计源码的特征集，用于后续的图案指导性设计和衍生产品造型设计。从设计源码提取的角度进行深层次的特征提取可以在一定程度上解决主观性强、误差大的问题，使得到的结果更加准确且抓住其主要的特征涵义。

2 感性设计源码集提取方法

2.1 方法研究框架

首先进行样本空间建立，筛选出代表性样本。然后建立感性语意空间，设置典型的图案设计源码特征集，经契合评价给出相应的描述词汇集，并记录调查者的SD量表语意差分值，生成感性信息数据库。接着根据数据库中的典型数据因子作为模糊评价数据集，确定其隶属权重，分析出评价因素间相互作用的复杂性和差异性，得到评价因子集。最后用评价因子集进行样本集聚类筛选，获取设计源码集。设计源码集提取方法研究框架如图1所示。

图1 研究框架

2.2 提取方法

2.2.1 基于契合评价法的词汇基础因子筛选

为了降低主观意识对意象筛选的影响，首先引入契合评价法进行基础因子的筛选，根据“求同存异”中不因个别分歧而影响主要方面求得一致的思想，确定唯一相同因素与被研究对象之间的联系，使得结果更加准确。基于“求同存异”思想的筛选其逻辑模型如图2所示。其中，an为样本集根据规律进行分类的研究对象集；bi(i=1,2,3,···,n)为相关因素因子；cm为不同的载体。通过分析相关因素的频率的高低得出基础因子，即

其中，fi为第i个相关因素因子的频率；si为第i个因子出现的总次数；x为所有因子总次数，通过比较fi的大小确定出基础因子。

图2 契合评价法研究框架

2.1.2 模糊因子评价

建立基础因子集I={I1,I2,···,IN}。基于基础因子集制作调查问卷得到数据，分析其中的综合性指标因素，提取出重要因子。因子的筛选主要从原始变量相关依赖性出发，将一些复杂因子归结为几个综合因子，但具有优劣性，因此用模糊综合评价来解决优劣性问题。为判断特征值是否符合用因子分析降维，引用KMO(Kaiser meyer olkin)检验和Bartlett球形检验。Bartlett中p值小于显著性水平(取0.05)，KMO主要是检验因子之间的相关性，数值在 1~0之间，评判准则见表1。

表1 KMO评判准则

通过分析碎石图的拐位点确定因素数目，主要是分析显示因子与分量之间数量相关联的下降特征值。步骤如下：

步骤1.U={u1,u2,···,um}，其中U为因子集；V=(v1,v2,···,vn)为各影响因素。

步骤2.V=(v1,v2,···,vn)，其中V是评价集；vi(i=1,2,···,n)为等级评价。为了显示每个因子对评估对象的影响的重要性，指定vi为＜1的非负实数，且。

步骤3.假设对集合I进行模糊综合评价，得到权重集合xi=(xi1,xi2,xi3,···,xit)，其中t为因子的总个数；每个权重值由具体因子数据来确定；为因子用最大方差法进行正交旋转后平方和集合。其中

其中，Em(m=1,2,···,t)为第m个因子的评价值；hi为第m个因子的方差贡献值；i∂为不可预测特殊因子；d的度量为不同专家评价值差值。

步骤4.把合成评价集矩阵Em(e1,e2,···,en)归一化处理后，将归一化处理后的评价指标em作为权重，加权平均评价指标为

其中，k为加权指数，通常将其视为2；vm为第m个占有全体的比重。如果替代因子是模糊语言变量，则模糊语言量可以分别由相关的适当数字量表示，并通过加权平均法得出隶属度。通过隶属度的对比得到的因子权重值，得到代表性因子。

2.1.3 基于聚类的特征集筛选

通过模糊因子评价得到的代表性因子设计调查问卷。问卷内容主要包括受试者对每一个产品样本的词汇意象的偏好程度(分为 5级)，且需要达到合理科学的问卷数量。

基于聚类的特征筛选步骤如下：首先用系统聚类确定k个类别和基础聚类中心。通过调查问卷得到数值集其中n为样本总个数；m为样本维度，样本集的类别空间为然后测量一对样本点的距离，即聚类中心为

其中，nv为第v类的样本数目。

通过不断迭代，时间复杂度逐渐近似于线性，聚类中心不再改变，目标是最小化簇中样本之间距离与最大化簇间样本之间距离的差值，目标函数为

以前期调研数据为基础，运用系统聚类方法对样本进行定量聚类分析，获得对应的系统聚类树状图，从而得到样本的聚类数目。然后比较样本与聚类簇点(聚类中心点)的距离判断群体中每个样本源码特征属性，即距离越远则其源码特征属性越弱，距离越近则其源码特征属性越强，进而挑选出每个聚类群体中最具有代表性的样本，最终获得设计源码特征集。

3 实例分析

3.1 样本空间建立

3.1.1 样本采集

本文以苗族服饰图案设计源码特征集筛选为例，通过实地考察、书籍翻阅以及互联网检索等方式收集苗族服饰图片，去除整体服饰的影响以保留图案及颜色的代表性样本。苗族服饰是苗族文化内涵的载体，主要体现在图案上，苗族服饰图案的设计源码特征可以完整地体现苗族文化内涵。

3.1.2 样本评价筛选

初始选择400张左右的苗族服饰图案图片。根据图案的相似来源、颜色拼接以及构图的相似性分类，筛选出具有代表性的图案图片，为避免色彩影响进行灰度处理。最后整理出 40张最终代表性图片，如图3所示。

3.2 语意空间建立

3.2.1 基于契合评价法的词汇基础因子筛选

通过多种方式，收集可以评价图案情感的形容词，作为语意词汇的选择范围。初期通过网络，访谈以及问卷的形式得出了200个情感性词汇，并且分为了10类。通过契合评价法得到了14个初始词汇，分别为：对称的、复杂的、精细的、重复的、和谐的、密集的、故事性的、典雅的、内涵的、简约的、感性的、庄重的、抽象的、神秘的。通过 5级评分标准的语意差量法，被试者根据代表性图案样本与感性语意词汇的契合度进行评价。

图3 代表性样本图集

3.2.2 感性语意评价

第一阶段调查问卷数据来源于 30名不同领域的被试者，包含专业设计学生，社会工作者，其他学科学生，其中专业与非专业的比例为1∶1。收集被试者对代表性样本匹配14个感性意象词汇，得到图案特征的主观评价值。由此获得苗族服饰图案词汇感性评价均值(图4)。

图4 苗族服饰图案词汇感性评价均值

3.2.3 模糊因子评价

实验之前，对特征值进行KMO和Bartlet检验，其结果KMO检验值为0.706，大于0.600，表明数值具有偏相关性[22]，进行可靠性检验为 0.739。同时Bartlet检验显著值为0.002，小于0.050，表明具有独立性。因此此类特征适宜进行因子分析降维。

根据表一中感性语意评价数据，用碎石图(图5)可以看出前 4个因子位于陡坡之上，其余因子的散点逐渐形成了平台，且特征根值均小于 1，因此前4个因子为主要特征因子。

根据旋转后因子载荷矩阵分析出前 4个公因子的累积方差贡献率达78.178%，在充分提取和解释原变量的信息方面比较理想。第一成分主要由“对称的”、“复杂的”、“精细的”、“重复的”、“和谐的”、“密集的” 6个代表性语意词汇组成，其主要描述着苗族民族服饰的和谐性。第二成分主要由“故事性的”、“典雅的”、“内涵的” 3个代表性语义词汇组成，主要描述着苗族民族服饰的内涵，可以称为内隐因子。第三成分主要由“简约的”、“感性的”、“庄重的” 3个代表性词汇组成，主要描述着苗族民族服饰的感性含义，可以称为感性因子。第四部分主要由“抽象的”、“神秘的” 2个代表性词汇组成，主要描述着苗族民族服饰的色彩含义，称为外显因子。

图5 碎石图

4个主要因子进行价值性判断为：

步骤1.影响对图片的判断，主要有和谐、内涵、感性、外显等，因素集为U={和谐度，内涵，感性，外显}。

步骤2.评语集为V=(v1,v2,···,vn)=(优，良，中，差)，其分值见表2。

表2 评语集

步骤3.把旋转后因子载荷矩阵的数值带入，根据模糊因子评价表达式得到4个因子权重评价集ψ=(0.3795，0.2184，0.2181，0.1839)。

分别对“和谐的”、“复杂的”、“典雅的”、“神秘的”意象词汇评判。其中，隶属度m=判断某因素属于Vi的专家个数/7(专家总数)；7位专家对民族性的图案的4个意象词汇作为指标，打分构成的模糊评价矩阵分别为

根据公式B=Ai×R，Ai(i=1,2,3,···)为各个元素的权重分配，得到的综合评价向量为

通过上述分析，得到单因素与评价指标之间的模糊关系，未考虑总体因素与评价指标之间的模糊关系，因此建立模糊综合评价模型为

民族性图案意象总体综合评价向量为

步骤4.根据以上的模糊综合评价集，用第二加权的方式进行进一步处理，令k=2，根据式(4)得到

得出 4种不同意象词对与民族性的评估结果66.68∈[50,80]，此结果在评语集V中的等级为良。上述结果表明，4个代表性因子可以作为评判设计源码特征的评价指标。

3.2.4 方法验证

为了验证其模型的有效性，重新选择5个意象词汇“和谐的—凌乱的、复杂的—简约的、可爱的—沉闷的、绚丽的—单调的、杂乱的—整齐的”，另外选择30名受试者对随机选出的5个样本进行用户感性评价。另外用前述模型受测者根据苗族文化特征进行预测，通过多元方差分析对实验结果和预测结果之间进行显著性检验，得到表3。其显著性结果均大于0.05，因此没有显著性差异，具有较好的适应性。可证明模糊因子评价模型方法对苗族文化特征的图案筛选因子确定具有可行性。

表3 显著性检验结果

通过以上定性和定量相结合的方式，分析出苗族服饰的设计源码情感反应主要以“和谐因子”，“内隐因子”，“外显因子”，“感性因子”4个综合指标影响着用户对设计源码的情感体现，因此是设计者需要更多关注的指标。因此可以提出4对形容词汇：和谐的—凌乱的，复杂的—简约的，典雅的—庸俗的，神秘的—写实的。

3.3 样本筛选

采用语义差异法对类比法筛选出的 40个基础样本进行感性意象调查。受试者主要为工业设计专业学生以及非专业人员，其中男、女比例为1∶1。在实验中，受试者根据自己的主观感觉进行评价，把问卷数据输入excel中进行初步分析，获取每个样本和感性词汇之间相应数据的平均值，得到图6，再用系统聚类法和 k-means聚类方法分析上述数据，提取出苗族民族服饰图案设计源码特征集。

3.3.1 系统聚类分析

根据获得的调查数据，通过系统聚类分析对40个样本进行初步分析。得到系统聚类数据图，通过得到的分类结果，可以观察出最好的结果是分为8类。

3.3.2 k-means聚类方法分析

根据系统聚类分析的数据，在进行k-means聚类方法时设定分类数目为8类。聚类分析计算最小化簇中样本之间的距离并最大化簇间样本之间的距离，中心的最小值可以视为此类别的代表性样本(表4)。

根据表3显示，根据距离中心点的最短距离判断最终的代表性样本为样本19、样本2、样本13、样本40、样本21、样本17、样本34、样本31，8个样本表达了苗族服饰图案背后的民族文化意象。此8个样本构成的苗族服饰图案设计源码特征集(图7)，可作为苗族民族产品指导设计的基础。

图6 样本数据平均值

表4 k-means样本聚类结果

图7 图案设计源码特征集

4 结束语

本文提出了基于反向推理意象诱因的角度来筛选设计源码特征集的方法，以用户视角为出发点，以量化定性的方式分析设计参数对图案设计源码提取的影响，并结合因子分析和模糊评价将多个感性词汇变量筛选出优选的因子，同时以苗族服饰图案为例，获得图案设计源码特征集。图案设计源码代表了一个图案体系的内部涵义，在文化传承中起着重要作用。得到的设计源码特征集对于创新产品再设计，提高设计师的效率以及做出准确、高效率的决策具有指导性意义。该方法有效解决图案提取过程中的缺乏用户感性认知的问题及数据的模糊和不确定性。

本文研究仅从感性的方面切入，对图案设计源码特征集提取进行了研究，下一步将对特征集元素间关系进行研究分析，以求得代表性设计源码的特征要素。