基于屬性重要性的手勢(shì)改善方向決策算法

婁澤華　殷繼彬

摘要：為了更有效地改善手勢(shì)以延長(zhǎng)其生命周期，采用量化指標(biāo)指導(dǎo)手勢(shì)改善方向的決策。基于屬性重要度，給出了復(fù)雜人因條件下手勢(shì)改善方向的決策算法。根據(jù)模糊層次分析法計(jì)算指定手勢(shì)每個(gè)屬性的全局權(quán)重，并根據(jù)用戶反饋計(jì)算指定手勢(shì)每個(gè)屬性的局部權(quán)重，全局權(quán)重與局部權(quán)重調(diào)和得到綜合權(quán)值向量。依據(jù)用戶對(duì)指定手勢(shì)的綜合印象，將各屬性評(píng)分分為兩類分別進(jìn)行處理。根據(jù)各屬性的正向與負(fù)向影響力，得到權(quán)值向量中各屬性權(quán)值分布。對(duì)各屬性評(píng)分分別計(jì)算標(biāo)準(zhǔn)化評(píng)分偏置，各屬性改善需求程度排序通過權(quán)值分布與標(biāo)準(zhǔn)化評(píng)分偏置進(jìn)行計(jì)算。實(shí)驗(yàn)結(jié)果表明，基于該算法比基于問卷調(diào)查決策制定的手勢(shì)，支持率平均提高了25%，從而得出結(jié)論：手勢(shì)優(yōu)化過程中各屬性的權(quán)值排序是穩(wěn)定的。

關(guān)鍵詞：屬性重要性；手勢(shì)優(yōu)化；決策算法；人機(jī)交互；權(quán)值分布

DOIDOI：10.11907/rjdk.181208

中圖分類號(hào)：TP301.6

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2018）009001309

英文標(biāo)題Attribute Importancebased Decision Algorithm for Gesture Direction Improvement

--副標(biāo)題

英文作者LOU Zehua， YIN Jibin

英文作者單位（Department of Information Engineering and Automation，Kunming University of Science and Technology，Kunming 650500，China）

英文摘要Abstract： In order to improve the gestures more effectively to prolong their life cycle，a quantitative indicator is used to guide the gesture to improve the direction of the decision.Based on attribute importance，an algorithm is proposed to make decision on gesture improvement direction under complex human condition. The global weight for each attribute of the specified gesture is calculated according to the FAHP （Fuzzy Analytic Hierarchy Process） algorithm.The local weight for each attribute of the specified gesture is calculated according to the user feedback.The global weights and the local weights are harmonized into comprehensive weights vector.According to the user's comprehensive impression on the specified gestures，each attribute's score is divided into two classes and processed separately.According to the positive and negative influence degree of each attribute，the weight distribution of each attribute in the weight vector is obtained.Each score of the attributes is calculated by the standardized score bias respectively.The rank of improvement necessity on each attribute is calculated by the weight distribution and the standardized score bias.Experiments show that the support rate of improved gestures achieved through decisionmaking based on this algorithm is 25% higher on average than based on questionnaire.The conclusion is that the weight ranking of each attribute is stable during the process of gesture optimization.

英文關(guān)鍵詞Key Words：attribute importance；gesture optimization；decisionmaking algorithm；humancomputer interaction；weight distribution

0引言

手勢(shì)是以人因（人為因素）為導(dǎo)向的，其優(yōu)劣程度并沒有精確的評(píng)判標(biāo)準(zhǔn)。當(dāng)前人機(jī)交互類產(chǎn)品最具代表性的客觀和主觀評(píng)價(jià)標(biāo)準(zhǔn)分別是產(chǎn)品可用性與用戶體驗(yàn)（通常縮寫為UX）。很多從業(yè)者從以下幾方面考慮產(chǎn)品可用性：靈活性[1]、可學(xué)習(xí)性、可記憶性與安全性。產(chǎn)品可用性在ISO9241 Ergonomics of Human System Interaction標(biāo)準(zhǔn)（1998年第11部分）[2]中被定義為：指定用戶在指定情境中使用指定產(chǎn)品（服務(wù)或環(huán)境）實(shí)現(xiàn)指定目標(biāo)時(shí)的有效性、效率與滿意程度。該定義表明，產(chǎn)品可用性沒有精確定義，而是相對(duì)于特定用戶、特定目標(biāo)與特定使用情境的適用性。UX則是評(píng)估標(biāo)準(zhǔn)中的新術(shù)語(yǔ)[3]，使用相關(guān)娛樂設(shè)備時(shí)，用戶不僅要求實(shí)現(xiàn)任務(wù)，而且要求具有娛樂性。Hassenzahl[4]和Tractinsky[5]描述了UX的3個(gè)突出特點(diǎn)：①整體性：UX采取更全面的觀點(diǎn)，旨在平衡面向任務(wù)和非任務(wù)導(dǎo)向方面（通常稱為享樂方面）的關(guān)系；②主觀性：UX更關(guān)心用戶主觀反應(yīng)、用戶對(duì)系統(tǒng)的看法及用戶與系統(tǒng)的互動(dòng)；③積極性：UX更關(guān)心用戶使用過程中的積極方面，以及如何最大限度地利用它們，這些積極方面可以是快樂、幸福或參與。UX同樣沒有給出精確的評(píng)判標(biāo)準(zhǔn)。

基于不穩(wěn)定的評(píng)判標(biāo)準(zhǔn)，在已有研究中不斷設(shè)計(jì)出新手勢(shì)。當(dāng)手勢(shì)使用群體達(dá)到一定規(guī)模，重新設(shè)計(jì)手勢(shì)可能導(dǎo)致失去部分用戶。對(duì)于不斷擴(kuò)大的用戶群體，對(duì)手勢(shì)的持續(xù)改善顯得越來越重要。然而，設(shè)計(jì)出的手勢(shì)很少得到有效改進(jìn)，導(dǎo)致這些手勢(shì)的生命周期非常短。

為了有效延長(zhǎng)手勢(shì)生命周期，需要對(duì)手勢(shì)的改善方向進(jìn)行決策。目前手勢(shì)改善方向可由觀察身邊的可優(yōu)化案例決定，即按需求自適應(yīng)定制。如梁榮榮[6]對(duì)教學(xué)場(chǎng)景中引起用戶體驗(yàn)降低的部分手勢(shì)進(jìn)行改進(jìn)，改進(jìn)后的手勢(shì)往往能獲得更好的體驗(yàn)，但優(yōu)化迭代速度慢，且隨著用戶群體擴(kuò)大，過于個(gè)性化的手勢(shì)不利于問題交流與后期維護(hù)。此外，隨著UX對(duì)交互趨勢(shì)的影響越來越大，手勢(shì)下一步的改善方向通常使用調(diào)查問卷（含反饋收集）形式確定。其中用戶直接反饋改進(jìn)意見的形式雖然比較直接，但易出現(xiàn)用戶意見不一致、手勢(shì)語(yǔ)義沖突與手勢(shì)集系統(tǒng)性降低的問題，用戶使用目的、用戶對(duì)類似手勢(shì)的使用經(jīng)驗(yàn)以及用戶對(duì)手勢(shì)設(shè)計(jì)與自身需求間的偏差等因素皆會(huì)對(duì)評(píng)分造成較大影響。調(diào)查問卷形式中依據(jù)屬性重要性直接決策是一種比較穩(wěn)定的方法，然而該方法雖然能有效指導(dǎo)手勢(shì)的初期設(shè)計(jì)，卻不能很好地指導(dǎo)手勢(shì)改善。手勢(shì)改善不僅與某個(gè)屬性的重要程度有關(guān)，還與當(dāng)前手勢(shì)在該屬性方面表現(xiàn)出的優(yōu)劣程度有關(guān)，而且改進(jìn)手勢(shì)時(shí)可能會(huì)在一定程度上犧牲其它屬性的優(yōu)勢(shì)，如何取舍需要一定指導(dǎo)。因此，需要建立新的評(píng)價(jià)模型指導(dǎo)手勢(shì)改善。

為了保證手勢(shì)改善方向的穩(wěn)定性，需要一個(gè)量化的評(píng)判標(biāo)準(zhǔn)。目前國(guó)內(nèi)外專家學(xué)者針對(duì)手勢(shì)評(píng)估進(jìn)行的研究主要分為3類：①根據(jù)ISO9241易用性定義中的某一標(biāo)準(zhǔn)對(duì)使用過程中收集的數(shù)據(jù)進(jìn)行評(píng)估。如徐禮爽、程鐵剛、田豐等[7]通過對(duì)比記憶實(shí)驗(yàn)進(jìn)行手勢(shì)可用性評(píng)估，以被試者是否更容易學(xué)習(xí)和記憶作為標(biāo)準(zhǔn)，比較3組手勢(shì)中哪一組的易學(xué)性和易記憶性更高；鄭海彬等[8]在進(jìn)行無(wú)人機(jī)手勢(shì)動(dòng)作定義時(shí)預(yù)先定義了符合直觀感覺的語(yǔ)義列表，以識(shí)別準(zhǔn)確率為標(biāo)準(zhǔn)，判定手勢(shì)識(shí)別系統(tǒng)的性能；Panwar M、Mehra P S等[9]為基于形狀特征的手勢(shì)檢測(cè)設(shè)計(jì)了一套包含字母A-Z以及數(shù)字1-9的符號(hào)手勢(shì)，以用戶輸入手勢(shì)的識(shí)別成功率與操作效率為標(biāo)準(zhǔn)，判定手勢(shì)的易用性；②專家評(píng)估。如Landay J、Myers 等[10]設(shè)計(jì)一個(gè)交互式用戶界面設(shè)計(jì)工具，參數(shù)評(píng)估過程涉及6名UI設(shè)計(jì)師與6名擔(dān)任工程師的計(jì)算機(jī)科學(xué)、機(jī)器人或語(yǔ)言技術(shù)方向研究生；③以調(diào)查問卷等主觀形式進(jìn)行評(píng)估。錢堃等[11]設(shè)計(jì)6組常用手勢(shì)，用戶多次使用后以調(diào)查問卷形式進(jìn)行評(píng)價(jià)，根據(jù)評(píng)價(jià)數(shù)據(jù)分析手勢(shì)效果；吳金鐸等[12]則分別設(shè)計(jì)2D層面、3D層面的手勢(shì)進(jìn)行實(shí)驗(yàn)，以用戶對(duì)手勢(shì)的主觀滿意度得分為標(biāo)準(zhǔn)，比較同一交互層面（2D或3D層面）下，不同組手勢(shì)集之間的滿意度得分，得出可用性最高的手勢(shì)集。此外還有混合評(píng)估，如Farzin Farhadi-Niaki、S Ali Etemad等[13]設(shè)計(jì)了手臂、手指兩個(gè)手勢(shì)集，每個(gè)用戶依次使用兩個(gè)手勢(shì)集執(zhí)行兩個(gè)不同難度級(jí)別（簡(jiǎn)單和復(fù)雜）的任務(wù)。依據(jù)調(diào)查問卷得到的結(jié)果與對(duì)耗費(fèi)時(shí)間、正確率等數(shù)據(jù)分析得到的結(jié)果相互印證，得到手勢(shì)在某方面的重要程度。

以上3種評(píng)價(jià)標(biāo)準(zhǔn)各有優(yōu)點(diǎn)，但對(duì)于指導(dǎo)手勢(shì)的改善仍有不足之處：①依據(jù)某一標(biāo)準(zhǔn)的數(shù)據(jù)評(píng)估得到的結(jié)果是片面的。不同場(chǎng)景下的評(píng)估標(biāo)準(zhǔn)注重的任務(wù)或享樂方面指標(biāo)不同，使手勢(shì)改善方向的決策易產(chǎn)生片面性；②依據(jù)專家評(píng)估無(wú)法有效處理分歧狀況。手勢(shì)改善方向的決策不是衡量手勢(shì)某一屬性是否重要，而是衡量哪些屬性更加重要，由于專家之間易出現(xiàn)分歧，可能造成決策困難；③依據(jù)用戶調(diào)查問卷進(jìn)行決策受主觀因素影響較大。混合評(píng)估方式是通過調(diào)查問卷結(jié)果與其它方式得到的結(jié)果相互印證進(jìn)行決策，缺點(diǎn)是一旦出現(xiàn)結(jié)果不一致的情況則無(wú)法決策。

1手勢(shì)改善方向評(píng)價(jià)模型理論依據(jù)

本文的解決思路圍繞手勢(shì)改善中的評(píng)判標(biāo)準(zhǔn)與評(píng)價(jià)模型展開。

（1）評(píng)判標(biāo)準(zhǔn)確立：UX的評(píng)判標(biāo)準(zhǔn)雖然不穩(wěn)定，但間接說明了主觀性不完全是隨機(jī)的。使用用戶調(diào)查問卷方法時(shí)可以適當(dāng)?shù)靥幚碇饔^性造成的影響，從中得到需要的穩(wěn)定信息。鄧聚龍[14]在提出灰色關(guān)聯(lián)分析法（GRA）算法時(shí)指出，因素間的關(guān)系不可能是一個(gè)定值，只可能是某種背景條件下因素間關(guān)系的相對(duì)主次順序。根據(jù)該思想，將手勢(shì)屬性之間的相對(duì)重要性看作屬性間的一種關(guān)系，則屬性相對(duì)重要性得分不是一個(gè)定值，但其排序是穩(wěn)定的。因此，最終的量化值旨在表征各屬性改善性的排序情況。

（2）評(píng)價(jià)模型建立：本文以調(diào)查問卷為主要評(píng)估形式，再對(duì)評(píng)估數(shù)據(jù)進(jìn)行處理，得到引入主觀性的穩(wěn)定排序信息。首先確立屬性（即評(píng)價(jià)指標(biāo)）種類，采用專家評(píng)估的形式確保全面性，其次通過用戶調(diào)查問卷得到手勢(shì)的各屬性評(píng)分以及綜合評(píng)價(jià)，最后處理用戶主觀性。本文對(duì)主觀性引起的問題作以下處理：①屬性重要性權(quán)值在樣本數(shù)據(jù)稀疏時(shí)受主觀因素影響較大。調(diào)和指定手勢(shì)每個(gè)屬性的全局權(quán)重與局部權(quán)重得到綜合權(quán)值向量，其中指定手勢(shì)每個(gè)屬性的局部權(quán)重根據(jù)用戶反饋計(jì)算得到，全局權(quán)重根據(jù)模糊層次分析法（Fuzzy Analytic Hierarchy Process，簡(jiǎn)稱FAHP）[15]計(jì)算得到，以避免評(píng)價(jià)過少造成的不穩(wěn)定，且一定程度上保留了手勢(shì)自身細(xì)節(jié)特性；②屬性評(píng)分易受指定用戶對(duì)手勢(shì)的不同印象影響導(dǎo)致指定手勢(shì)的所有屬性評(píng)分過高或過低。因此，根據(jù)S Das[16]在模糊系統(tǒng)中的分類處理思想，按手勢(shì)獲得綜合好評(píng)與綜合差評(píng)的反饋分為兩類分別進(jìn)行分析；③即使同一手勢(shì)的兩個(gè)不同屬性評(píng)價(jià)分?jǐn)?shù)相同，兩個(gè)評(píng)分對(duì)該手勢(shì)的影響并不相同。屬性間的差異通過各屬性的綜合權(quán)值向量表征，以表示某一屬性對(duì)指定手勢(shì)綜合評(píng)分的綜合影響程度；屬性內(nèi)差異（多個(gè)用戶評(píng)分的統(tǒng)計(jì)性差異）通過獎(jiǎng)勵(lì)系數(shù)（Reward Coefficient）與懲罰系數(shù)（Penalty Coefficient）表征，即某一屬性得到正傾向、負(fù)傾向的評(píng)分時(shí)，該屬性兩種傾向評(píng)分分別對(duì)指定手勢(shì)綜合評(píng)分的影響程度占該屬性對(duì)指定手勢(shì)綜合評(píng)分的綜合影響程度比例。這里正傾向指用戶對(duì)該屬性持積極態(tài)度或評(píng)分較高，通過獎(jiǎng)勵(lì)系數(shù)表征，負(fù)傾向指用戶對(duì)該屬性持消極態(tài)度或評(píng)分較低，通過懲罰系數(shù)表征。

2手勢(shì)改善方向評(píng)價(jià)模型構(gòu)建

如何在復(fù)雜人因環(huán)境下，根據(jù)用戶評(píng)價(jià)數(shù)據(jù)得到較為客觀的手勢(shì)改善方向？本文旨在找出各屬性的改進(jìn)必要程度排序（即屬性的可改善性排序），以指導(dǎo)手勢(shì)改善。算法流程如圖1所示。

2.1評(píng)價(jià)指標(biāo)種類確立

以“觸控+非接觸手勢(shì)”的混合手勢(shì)設(shè)計(jì)為例，經(jīng)過評(píng)估，從人機(jī)交互定義出發(fā)，根據(jù)研究對(duì)象不同確立分層手勢(shì)設(shè)計(jì)原則表，如表1所示，其中手勢(shì)屬性為x1—x12。

2.3屬性綜合權(quán)值向量計(jì)算

2.3.1屬性局部權(quán)重

統(tǒng)計(jì)屬性在追加問題“評(píng)價(jià)手勢(shì)為偏好/差的主要原因在于屬性？”中被提及的次數(shù)，以計(jì)算屬性局部權(quán)重。countj包含所有好評(píng)和差評(píng)中屬性xj被提及的次數(shù)，表征用戶認(rèn)為該手勢(shì)在此屬性上相對(duì)于他們所認(rèn)知的手勢(shì)差異程度大小。屬性xj被提及次數(shù)越多，表示該屬性對(duì)于手勢(shì)改進(jìn)越重要。因此，將屬性xj被提及的次數(shù)countj占所有屬性被提及總次數(shù)的比例，視為屬性xj的重要程度，稱為屬性xj的局部權(quán)重，記作locweightj。則屬性xj的局部權(quán)重locweightj= countj∑nk=1countk，屬性的局部權(quán)重向量locweightn×1=（locweight1，locweight2，...， locweightn）T。

2.3.2屬性全局權(quán)重

屬性的全局權(quán)重通過FAHP算法進(jìn)行計(jì)算。將屬性xj的全局權(quán)重記作gloweightj，屬性全局權(quán)重向量gloweightn×1=（gloweight1，gloweight2，…，gloweightn）T可按FAHP算法步驟進(jìn)行計(jì)算，建立層次結(jié)構(gòu)模型，構(gòu)造成對(duì)比較矩陣，并得到能通過一致性檢驗(yàn)的權(quán)值向量gloweightn×1。

（1）建立如圖2所示層次結(jié)構(gòu)模型。

（2）建立成對(duì)比較矩陣，即模糊互補(bǔ)判斷矩陣（Fuzzy Complementary Judgment Matrix，F(xiàn)CJM）。對(duì)于準(zhǔn)則層中的每個(gè)屬性，用成對(duì)比較法與0.1-0.9比較尺度建立模糊判斷矩陣。使用量化的判斷aij描述比較第i個(gè)屬性與第j個(gè)屬性相對(duì)上一層（即目標(biāo)層）的重要性。第j個(gè)屬性相對(duì)于第i個(gè)屬性的重要性判斷記作aji。假設(shè)共有n個(gè)屬性參與比較，若A=（aij）n×n具有性質(zhì)：

aii=0.5aij+aji=1，i，j=1，2，…，n

則稱該判斷矩陣為FCJM矩陣。AHP算法（層次分析法，Analytic Hierarchy Process）中T L Saaty[17]提出的經(jīng)典0-9比較尺度不利于計(jì)算權(quán)值。文獻(xiàn)[18]提出的FAHP算法[18]改進(jìn)了矩陣中aij的取值，采用0.1-0.9比較尺度[1819]，按照表2中的標(biāo)度進(jìn)行賦值，提高了決策可靠性。

2.4屬性綜合權(quán)值分布矩陣計(jì)算

本文借鑒S Das對(duì)模糊系統(tǒng)中可觀察隨機(jī)變量y的分類處理思想，依據(jù)綜合評(píng)分分別考慮好評(píng)和差評(píng)的評(píng)分。

分析屬性模型，依據(jù)各屬性評(píng)分對(duì)最終綜合體驗(yàn)的影響，將屬性評(píng)分劃分為以下4種：①某屬性評(píng)分突出，用戶強(qiáng)烈地趨于接受手勢(shì)集，甚至忽略其它屬性的缺陷，評(píng)分低下，用戶強(qiáng)烈地趨于拒絕該手勢(shì)集，甚至忽略其它屬性的優(yōu)勢(shì)；②某屬性評(píng)分突出，用戶并不強(qiáng)烈地趨于接受該手勢(shì)集，評(píng)分低下，用戶也不強(qiáng)烈地趨于拒絕該手勢(shì)集；③某屬性評(píng)分突出，用戶強(qiáng)烈地趨于接受該手勢(shì)集，甚至忽略其它屬性的缺陷，評(píng)分低下，用戶并不強(qiáng)烈地趨于拒絕該手勢(shì)集；④某屬性評(píng)分突出，用戶并不強(qiáng)烈地趨于接受該手勢(shì)集，評(píng)分低下，用戶強(qiáng)烈地趨于拒絕該手勢(shì)集，甚至忽略其它屬性的優(yōu)勢(shì)。

一個(gè)屬性xj被評(píng)價(jià)為偏好或偏差時(shí)，對(duì)用戶決策造成的影響程度是不同的。好評(píng)情況下表示正向影響的傾向，差評(píng)情況下表示負(fù)向影響的傾向，這兩種情況下該屬性對(duì)決策的影響力貢獻(xiàn)分別可以由獎(jiǎng)勵(lì)系數(shù)（Reward Coefficient）與懲罰系數(shù)（Penalty Coefficient）兩個(gè)向量表征，依次記作rewcoej與pencoej，且rewcoej∈[0，1]， pencoej∈[-1，0]，j=1，2，...，n。假設(shè)有n=4個(gè)屬性依次分別屬于以上列舉的4個(gè)類別，這n個(gè)屬性在不同情況下對(duì)決策的影響力分布如圖3所示。

3實(shí)驗(yàn)與分析

針對(duì)“觸控+非接觸”混合手勢(shì)進(jìn)行設(shè)計(jì)與改進(jìn)，實(shí)驗(yàn)分為3個(gè)部分：專家評(píng)估FAHP算法中的FCJM矩陣、用戶使用指定手勢(shì)的問卷調(diào)查、用戶使用優(yōu)化后手勢(shì)的問卷調(diào)查。

實(shí)驗(yàn)環(huán)境：觸控設(shè)備為索尼VAIO TAP 20；型號(hào)為L(zhǎng)M-C01-US 的Leap Motion Controller；型號(hào)為5DT Data Glove 14 Ultra 的5DT（Fifth Dimension Technologies）數(shù)據(jù)手套；軟件環(huán)境版本為Unity3D 5.4.3，代碼環(huán)境為C#。

首先，專家評(píng)估FCJM矩陣，根據(jù)FAHP算法得到屬性全局權(quán)重；其次，用戶使用指定手勢(shì)后反饋對(duì)各屬性的滿意度評(píng)分、對(duì)該手勢(shì)的綜合評(píng)價(jià)，并指出導(dǎo)致好評(píng)或差評(píng)的主要屬性，根據(jù)算法求出手勢(shì)屬性的可改善性排序；根據(jù)算法得到的改善性排序?qū)κ謩?shì)進(jìn)行優(yōu)化，得到一組新手勢(shì)，并根據(jù)用戶反饋中直接建議的屬性改善性排序優(yōu)化手勢(shì)，得到另一組新手勢(shì)；最后，將兩組手勢(shì)進(jìn)行對(duì)比投票，以驗(yàn)證算法的有效性。

3.1專家評(píng)估FCJM矩陣

參與評(píng)估的涉及4名研究經(jīng)驗(yàn)達(dá)到2年或以上，來自計(jì)算機(jī)科學(xué)專業(yè)且研究方向?yàn)槿藱C(jī)交互的碩士研究生。將其兩兩分組，每組評(píng)估出一個(gè)判斷矩陣，得到FCJM矩陣A1和A2：

實(shí)驗(yàn)組在手勢(shì)G1、G3、G4的優(yōu)化中有較高支持率；在手勢(shì)G2的優(yōu)化評(píng)價(jià)中，實(shí)驗(yàn)組略占優(yōu)勢(shì)；對(duì)于手勢(shì)G5和G6，兩組都建議保留原手勢(shì)。綜合以上結(jié)果可以看出，實(shí)驗(yàn)組在手勢(shì)改善方向的預(yù)測(cè)上更有優(yōu)勢(shì)。

以G1平移手勢(shì)為例進(jìn)行說明：原始手勢(shì)為“左手移動(dòng)，目標(biāo)跟隨移動(dòng)”，根據(jù)實(shí)驗(yàn)2中實(shí)驗(yàn)組的分析，改善后的手勢(shì)主要加強(qiáng)了屬性x10的優(yōu)勢(shì)：“右手2指長(zhǎng)按觸屏，左手握拳移動(dòng)，目標(biāo)跟隨移動(dòng)，左手張開，目標(biāo)撤銷移動(dòng)復(fù)位，右手取消選定則固定為當(dāng)前位置”，犧牲了組合簡(jiǎn)單的屬性x12，換取功能的明確性；根據(jù)實(shí)驗(yàn)2對(duì)照組的分析，得到改善后的手勢(shì)：“右手2指長(zhǎng)按觸屏，左手握拳移動(dòng)，目標(biāo)跟隨移動(dòng)”。

實(shí)驗(yàn)3中為實(shí)驗(yàn)組與對(duì)照組設(shè)計(jì)了一組相同的指定任務(wù)，指定任務(wù)中包括3個(gè)不同難度的任務(wù)，以降低某組手勢(shì)對(duì)特殊任務(wù)適用性差異的影響。實(shí)驗(yàn)組比對(duì)照組支持率高出了36%，平均支持率高出25%，表明改善決策算法對(duì)手勢(shì)G1有效。用戶提出方案不合適的原因主要在于對(duì)手勢(shì)設(shè)計(jì)過程了解不足，導(dǎo)致設(shè)計(jì)出的手勢(shì)與其期望有偏差。

得到改進(jìn)手勢(shì)G1-G6如圖9所示（其中G5、G6由于綜合評(píng)價(jià)的好評(píng)比例高于90%，因而未作優(yōu)化）。

4結(jié)語(yǔ)

本文基于屬性排序的評(píng)判標(biāo)準(zhǔn)，提出一種復(fù)雜人因系統(tǒng)中的評(píng)價(jià)模型以指導(dǎo)手勢(shì)改善，并提出一種基于屬性重要度的手勢(shì)改善方向決策算法。首先調(diào)諧指定手勢(shì)每個(gè)屬性的全局權(quán)重與局部權(quán)重，得到指定手勢(shì)每個(gè)屬性的綜合權(quán)值向量。其中，根據(jù)FAHP算法的計(jì)算保留了穩(wěn)定特性的全局權(quán)重，根據(jù)用戶對(duì)指定手勢(shì)的評(píng)分計(jì)算保留了手勢(shì)特性的局部權(quán)重；其次，分別計(jì)算某一屬性的獎(jiǎng)勵(lì)和懲罰系數(shù)，與手勢(shì)屬性的綜合權(quán)值向量結(jié)合，得出各屬性的綜合權(quán)值分布矩陣，并根據(jù)用戶對(duì)指定手勢(shì)每個(gè)屬性的評(píng)分計(jì)算出標(biāo)準(zhǔn)化評(píng)分偏置；最后，由綜合權(quán)值分布矩陣和標(biāo)準(zhǔn)化評(píng)分偏置計(jì)算各屬性的改善需求程度得分，并依據(jù)得分的高低排序進(jìn)行優(yōu)化決策。

實(shí)驗(yàn)結(jié)果證明，基于該算法比基于問卷調(diào)查決策制定的手勢(shì)，支持率平均提高了25%，因而得出結(jié)論：手勢(shì)優(yōu)化過程中各屬性的權(quán)值排序是穩(wěn)定的。此外，權(quán)值高的屬性雖然不是必須優(yōu)先改善，但與相對(duì)不重要的屬性相比，它們常常仍需要首先優(yōu)化。這與本文預(yù)期一致，比調(diào)查問卷得到的結(jié)論更趨于穩(wěn)定。根據(jù)屬性的全局權(quán)重向量可以看出，在手勢(shì)最初設(shè)計(jì)時(shí)需要著重考慮屬性x3、x10、x11和x8：首先，新手勢(shì)要對(duì)主流手勢(shì)保留兼容性；其次，從對(duì)“觸控+非接觸手勢(shì)”的混合手勢(shì)優(yōu)化過程中可以看出，對(duì)于引入了非接觸手勢(shì)的情景，取代誤操作情況的是操作手勢(shì)語(yǔ)義精確度降低與操作疲勞度加大，而x3、x10優(yōu)化時(shí)出現(xiàn)的頻率遠(yuǎn)大于x8，說明該情景中手勢(shì)語(yǔ)義精確度的影響遠(yuǎn)大于操作疲勞度，因此引入觸控操作到非接觸手勢(shì)中可以有效改善用戶體驗(yàn)；最后，由于當(dāng)前階段非接觸手勢(shì)精度相對(duì)較差，可以預(yù)測(cè)目前基于混合交互的提供綜合編輯類功能的應(yīng)用中，非接觸手勢(shì)的占比最好不要超過50%。

參考文獻(xiàn)參考文獻(xiàn)：

[1]GOULD J D，LEWIS C.Designing for usability：key principles and what designers think[J].Communications of the Acm，1985，28（3）：300311.

[2]International Standards Organization.ISO 924111：Ergonomic requirements for office work with visual display terminals （VDTs）.Part 11：guidance on usability.geneva：international standards organization [EB/OL].http：//www.iso.org.

[3]PETRIE H，BEVAN N.The evaluation of accessibility，usability and user experience[J].The Universal Access Handbook，2009 （6）：116.

[4]HASSENZAHL M.Hedonic，emotional，and experiential perspectives on product quality[J].Encyclopedia of human computer interaction，2006.

[5]M HASSENZAHL，LC LAW，ET HVANNBERG.User experiencetowards a unified view[C].Proceedings of the 2nd COST294MAUSE International Open Workshop，2006：13.

[6]梁榮榮.教學(xué)環(huán)境中多點(diǎn)觸控手寫場(chǎng)景下編輯手勢(shì)設(shè)計(jì)與識(shí)別[D].武漢：華中師范大學(xué)，2016.

[7]徐禮爽，程鐵剛，田豐，等.意義性筆手勢(shì)的分類及其實(shí)驗(yàn)評(píng)估[J].軟件學(xué)報(bào)，2006，17（zk）：4656.

[8]鄭海彬.手勢(shì)識(shí)別及其應(yīng)用研究[D].南京：南京航空航天大學(xué)，2016.

[9]PANWAR M，MEHRA P S.Hand gesture recognition for human computer interaction[C].International Conference on Image Information Processing.IEEE，2011：17.

[10]LANDAY J，MYERS B.Sketching interfaces：toward more human interface design[J].Computer，2001，34（3）：5664.

[11]錢堃.基于智能手機(jī)的3D運(yùn)動(dòng)手勢(shì)設(shè)計(jì)方法的研究[D].天津：南開大學(xué)，2014.

[12]吳金鐸.2D和3D交互手勢(shì)的可用性研究[D].杭州：浙江理工大學(xué)，2016.

[13]FARHADINIAKI F，ETEMAD S A，ARYA A.Design and usability analysis of gesturebased control for common desktop tasks[C].International Conference on HumanComputer Interaction.Springer Berlin Heidelberg，2013：215224.

[14]譚學(xué)瑞，鄧聚龍.灰色關(guān)聯(lián)分析：多因素統(tǒng)計(jì)分析新方法[J].統(tǒng)計(jì)研究，1995，12（3）：4648.

[15]MON D L.Evaluating weapon system using fuzzy analytic hierarchy process based on entropy weight[C].International Joint Conference of the Fourth IEEE International Conference on Fuzzy Systems and The Second International Fuzzy Engineering Symposium，2002：127134.

[16]DAS S.Quantifying fuzziness due to the scale of measurement in response systems[J].Fuzzy Sets & Systems，2002，132（3）：317333.

[17]SAATY T L，HU G.Ranking by eigenvector versus other methods in the analytic hierarchy process[J].Applied Mathematics Letters，1998，11（4）：121125.

[18]張吉軍.模糊層次分析法（FAHP）[J].模糊系統(tǒng)與數(shù)學(xué)，2000，14（2）：8088.

[19]姚敏，黃燕君.模糊決策方法研究[J].系統(tǒng)工程理論與實(shí)踐，1999，19（11）：6164.

[20]徐澤水.模糊互補(bǔ)判斷矩陣排序的一種算法[J].系統(tǒng)工程學(xué)報(bào)，2001，16（4）：311314.

[21]陳華友，趙佳寶.模糊判斷矩陣的相容性研究[J].運(yùn)籌與管理，2004，13（1）：4447.

責(zé)任編輯（責(zé)任編輯：黃健）