[发明专利]一种基于GRNN模型的自闭症拥抱机智能设计建模与决策参数优化方法

说明书

本发明提供一种基于GRNN模型的自闭症拥抱机智能设计建模与决策参数优化方法，包括以下步骤：根据拥抱机的不同规格选择影响用户体验的决策参数；利用用户体验测试系统采集不同决策参数的用户体验结果，构建建模样本集；将构建的建模样本集进行归一化处理，获得归一化样本集；根据所述归一化样本集构建GR神经网络模型；根据所述用户体验测试系统所得到的数据对GR神经网络进行训练，获取神经网络参数；利用免疫算法对GR神经网络模型进行优化。本发明利用GR神经网络挖掘拥抱机不同参数与用户体验结果之间的关系进行建模；并通过智能优化算法获取用户体验结果最优的拥抱机参数，为企业产品开发人员进行产品升级、优化提供指导。

技术领域

本发明涉及神经网络、用户体验领域，更为具体地，涉及一种基于 GRNN模型的自闭症拥抱机智能设计建模与决策参数优化方法。

背景技术

如今，正值心理健康危机日益严重的时期，尤其是年轻人。针对那些患 有自闭症、SPD(感觉紊乱)、抑郁症、发育迟缓人群或者仅仅是压力过大 的用户。有研究表明，借助外物适度挤压身体能够极大缓解焦虑情绪舒缓压 力，像拥抱机这样声称能够通过背腹双侧按摩减轻心理压力，改善肢体运动 能力，能够有效减轻患者普遍存在的紧张情绪，让用户在放松的状态下更容 易学会与他人的互动交流。因此一种基于GR神经网络的自闭症拥抱机智能 设计建模与决策参数优化方法的提出是非常有必要的。

发明内容

鉴于上述问题，本发明的目的是提供一种基于GRNN模型的自闭症拥抱 机智能设计建模与决策参数优化方法，能够解决拥抱机产品升级、优化难的 问题。

本发明提供一种基于GRNN模型的自闭症拥抱机智能设计建模与决策 参数优化方法，包括以下步骤：

根据拥抱机的不同规格选择影响用户体验的决策参数；

利用用户体验测试系统采集不同决策参数的用户体验结果，构建建模样 本集；

将构建的建模样本集进行归一化处理，获得归一化样本集；

根据所述归一化样本集构建GR神经网络模型；

根据所述用户体验测试系统所得到的数据对GR神经网络进行训练，获 取神经网络参数；

利用免疫算法对GR神经网络模型进行优化。

进一步的，

所述决策参数包括，滚筒颜色x₁，滚筒材质x₂，滚筒宽度x₃，滚筒直径 x₄，机架长度x₅，机架宽度x₆，机架高度x₇；

输入矩阵X的获得方法包括以下步骤：

第一步：对决策参数数据进行处理，采用数字代码标识决策参数数据；

第二步：构建输入参数矩阵其中，n代表用户 数量，i代表每一个用户所对应的拥抱机参数数据，i＝1，2,3,4,5,6,7，分别对应 滚筒颜色、滚筒材质、滚筒宽度、滚筒直径、机架长度、机架宽度、机架高 度参数数据；

第三步：构造新的矩阵

第四步：计算出矩阵M的特征值，输入矩阵由其特征值构成

进一步的，

采用以下公式获取输出结果Y，

其中，n代表用户数量；

进一步的，构建的GRNN模型方程式如下：