MATLAB是一种常用的第四代编程语言,其特点是具有强大的数值计算能力、可视化表达能力和简洁的编程风格。在人机界面评价领域,MATLAB可以借助其神经网络工具箱(Neural Network Toolbox)提供的一系列函数,实现高效的人机界面评价平台。
本文介绍了一种利用MATLAB的径向基函数(Radial Basis Function, RBF)神经网络来设计人机界面评价系统的方法。RBF网络是一种性能良好的前馈神经网络,它具有三层网络结构,分别为输入层、隐藏层和输出层。RBF神经网络特别适合处理非线性问题,因而在人机界面的评价中应用广泛。在设计过程中,使用MATLAB的图形用户界面(Graphics User Interface, GUI)创建用户交互的评价界面,便于进行人机界面的评价。
MATLAB还提供了数据库编程技术,这使得评价系统能够对学习样本进行存储和积累。通过这种方式,评价系统可以处理大量数据并进行有效管理,同时为神经网络的训练积累必要的学习样本。为了提高系统独立性,减少对MATLAB环境的依赖,文章介绍了如何应用MATLAB Runtime Server技术。这项技术允许用户在没有安装MATLAB的计算机上运行MATLAB程序,从而使得软件的独立运行成为可能。
文章还探讨了人机界面评价中常见的方法,如模糊评价法和层次分析法,这些方法存在的问题包括决策过程的随机性、参评人员的主观不确定性和认识上的模糊性。而MATLAB作为评价平台,其强大的神经网络工具箱可以有效解决这些问题,降低评价过程中人为因素的影响,从而提高评价的客观性和准确性。
在人机界面评价中,目标属性之间的关系大多为非线性关系,这使得神经网络的非线性处理能力显得尤为重要。神经网络能处理信息含糊、不完整、存在矛盾等复杂环境下的问题,传统的专家系统在这些方面存在困难的知识获取问题,而神经网络通过调整其权重和结构,就能学习这些复杂环境中的规律,使得评价过程更加客观。
文章还提到,MATLAB的神经网络工具箱提供了大量的神经网络函数,为评价平台的设计提供了良好的软件环境。基于RBF神经网络构建的人机界面评价模型,主要由四个模块构成:评价界面模块、后台数据库模块、MATLAB Runtime Server模块和其他支持模块。评价界面模块利用MATLAB GUI设计,能方便快捷地进行评价工作;后台数据库模块用于存储和管理学习样本,以及数据的积累;MATLAB Runtime Server模块则使得软件可以独立于MATLAB环境运行;支持模块则提供了辅助性的功能,如数据预处理、结果分析等。
在应用这些技术进行人机界面评价时,文章还通过三种指针表显示设计方案的评价实例,验证了该评价软件的简便性和可靠性,并证明了该方法可以正确评价人机界面。最终评价结果合理、可靠,表明所采用的方法能够有效评价人机界面,也充分体现了利用MATLAB进行人机界面评价的可行性和优势。