【笔记】多因素条件下注意力分配建模
来源:互联网 发布:怎么修改淘宝评论 编辑:程序博客网 时间:2024/05/17 08:06
[1]吴旭,完颜笑如,庄达民. 多因素条件下注意力分配建模[J/OL]. 北京航空航天大学学报,2013,39(08):1086-1090. (2012-11-26)[2017-08-30]. http://kns.cnki.net/kcms/detail/11.2625.V.20121126.1140.038.htmlDOI:10.13700/j.bh.1001-5965.2013.08.009
问题:
预测飞行员注意力分配情况,为人机交互界面设计提供依据
背景:
多因素条件(multi-factor condition),即信息重要度V, 信息发生概率P, 信息突显性Sa, 及努力E四个影响因素条件下
方法
在混合熵最大化模型的基础上,从信息加工的两条通路入手,应用主观期望效能理论及 SEEV( Salient-Expectancy-Effort-Value) 模型思想,提出了一个基于信息重要度、发生概率、突显性及努力的预测模型. 为验证模型的效度,采用16 名被试在不同任务权重及信息呈现方式下开展仪表监视实验,记录注视点分布作为注意力分配的评价指标.
结论
本研究在文献[8]的基础上,从信息加工的两条通路入手,根据认知决策的主观期望效能理论引入信息发生概率,同时借鉴了 SEEV 模型的思想,将信息检出效率引申扩展为信息突显性和努力,对它们进行重新梳理并给出可量化的依据,最终提出一个多因素条件下的注意力分配模型.通过设定目标信息的数量及刷新频率[9]在较为适中的脑力负荷下开展工效学实验,并对模型的效度进行验证.
优点:通过计算影响因素在各信息间的相对比例从而最终确定分配注意力的比例. 这一点简化了 SEEV 模型中对影响因素权重的求解
局限性:本研究局限于脑力负荷较为适中水平下通过眼动追踪数据验证模型,在脑力负荷过载或唤醒程度不足的条件下对模型的失效性会在后期研究中考虑. 另外,眼动数据仅反映了注视点的分布规律,更多的行为学数据及心理生理参数则可以更加完整地表征认知过程.
主要创新点:
本模型提出的影响注意力分配因素分别对应了信息加工的两种方式. 在注意的早期阶段,以自动的平行方式对信息基本特征进行加工,这是自下而上的通路,在模型中体现为对信息突显性的加工及努力因素的抑制作用. 在后期的特征整合阶段,通过人对信息重要度和发生概率的认知集中注意对某个信息特征进行整合并形成暂时客体表征,属于自上而下的控制加工,这与注意的特征整合理论是相一致的[14]
建模过程:
本研究在文献[8]的基础上,从信息加工的两条通路入手,根据认知决策的主观期望效能理论引入信息发生概率P,同时借鉴了 SEEV 模型的思想,将信息检出效率引申扩展为信息突显性Sa,努力E,对它们进行重新梳理并给出可量化的依据,最终提出一个多因素条件下的注意力分配模型.通过设定目标信息的数量及刷新频率[9]在较为适中的脑力负荷下开展工效学实验,并对模型的效度进行验证. 结合眼动仪的测量,将注视点分布与模型预测的注意力分配值进行比较,探讨模型提出的多个因素对注意力分配的影响.
通常,飞行员通过座舱显示界面同时监视到n个视觉信息,假设这 n 个视觉信息所获得的注意力资源
1只考虑自上而下的关注方式
根据主观效能理论:
Pi为信息发生概率,V为信息重要度
基于混合熵的分配模型:
pi为信息潜在认知状态产生概率,ui为信息隶属重要度
求得pi后,将pi代入最开始得两个式子可得Ai=Pi*Vi
以下计算pi的方法:
由于人对于信息重要度的主观评价具有一定的模糊性,同时每个信息在一次注视中能否被注意到存在一定的概率性[8]
由Jaynes的最大熵原理:
pi应满足的约束条件为
通过模糊熵Si来反映作业人员的心理(越大越容易引起人的注意):
根据Shannon的信息可加性原理,n个信息的平均模糊熵为:
由Jaynes的最大熵原理,pi的取值要使熵值S(n)达到最大,构造构造拉格朗日函数求条件极值得pi:
2 考虑到另一种自下而上的信息加工方式,依据 SEEV 模型引入信息突显性 Sa及努力 E 两个影响注意力分配的因素,则式( 2) 扩展为
信息突显性模型最早由文献[5]提出,后经文献[6]引入 SEEV 模型中,突显的信息更易于注意力的捕捉. 本研究沿用该模型的定义方式[5],并基于飞行信息的多维视觉编码方式,针对颜色c、尺寸 s 和字符种类 t 将信息突显性 Sa表示为这三者的加权平均:
采用基于混合熵的模型中对注意力分配比例的定义,则分配到第 i 个信息的注意力占总资源的比例为
其他关键词:
努力effort:努力是指作业人员在加工处理视觉信息时需要依靠眼动或头动来获取信息所付出的努力,它在一定程度上抑制了注意力资源的分配. 其属性值是通过各视觉信息间的相对距离来衡量的,相对距离越近的信息就越容易发生注意力转移.
注意attention:信息加工过程中一项重要的心理调节机制,能够对有限的信息加工资源分配,使感知具备选择能力。 文献3
信息带宽:建立仪表监督行为的量化模型。文献4
信息突显性:文献5
SEEV(salient-expectancy-effort-value )模型:影响注意力分配的因素,文献6
[1]郭小朝,刘宝善,马雪松,伊丽,熊端琴. 歼击机座舱通用显示信息及其优先级的确定[J]. 中华航空航天医学杂志,2006,(04):260-263. [2017-08-30].
[2]柳忠起,袁修干,刘伟,康卫勇. 飞行员注意力分配的定量测量方法[J]. 北京航空航天大学学报,2006,(05):518-520+539. [2017-08-30]. DOI:10.13700/j.bh.1001-5965.2006.05.005
[3]丁锦红,张钦,郭春彦,等. 认知心理学[M]. 中国人民大学出版社,2010: 41-62
[4] Senders J W. The human operator as a monitor and controller of multidegree of freedom systems[J]. Human Factors in Electron-ics,1964,5( 1) : 2 -5
[5] Itti L,Koch C. Computational modeling of visual attention[J].Nature Reviews Neuroscience,2001,2( 3) : 194 -203
[6] Wickens C D,Alexander A L.Attentional tunneling and taskmanagement in synthetic vision displays[J]. The InternationalJournal of Aviation Psychology,2009,19( 2) : 182 -199
[7] Nobuyuki Matsui,Eiichi Bamba. Consideration of the attentionallocation problem on the basis of fuzzy entropy[J]. Association Symposium of Measurement and Automatic Control 1996,22( 12) : 27 -32
[8] Wanyan Xiaoru,Zhuang Damin,Wei Hengyang,et al. Pilot atten-tion allocation model based on fuzzy theory[J]。Computers &Mathematics with Plications,2011,62( 7) : 2727 -2735
[9] 曾庆新,庄达民,马银香. 人机界面中目标编码设计[J]. 北京航空航天大学学报,2007,33( 6) : 631-634
[10] Edi Karni. Subjective expected utility theory without states ofthe world [ J ]. Journal of Mathematical Economics,2006,42( 3) : 325 -342
[12] GJB 189—86 飞机平视显示器通用规范[S]GJB189—86 Aircraft head-up display general specification[S]( in Chinese)
[13] Wu Xu,Wanyan Xiaoru,Zhuang Damin,et al. Ergonomics studyof information coding of cockpit display under certain ambientillumination[C]/ / Chen Qianbin. The 4th International Con-gress on Image and Signal Processing. Chongqing: IEEE,2012:305 -308
[14] Treisman A,Gelade G A. A feature integration theory of atten-tion[J]. Cognitive Psychology,1980,12( 1) : 97 -136[15] Kim M S,Cave R C. Perceptual group via spatial selection in a focused attention task[J]. Vision Research,2001,41( 5) : 611 -624
- 【笔记】多因素条件下注意力分配建模
- 【笔记】注意力分配的一些模型
- 注意力
- 多条件下selected问题
- 【数据建模 方差分析】单因素方差分析
- 童牧晨玄 # 持续的注意力 阅读笔记
- 多条件下SQL语句拼接
- ABCNN基于注意力的卷积神经网络用于句子建模--模型介绍篇
- 多个限定条件下的背包问题
- 数学建模__药品研发任务分配
- 多因素角力
- spss多因素方差分析
- 多因素排序
- UML建模学习笔记
- UML建模学习笔记
- 数据仓库维度建模笔记
- 学习笔记_uml建模
- 数据仓库维度建模笔记
- 微服务架构中职能团队的划分
- 【CodeForces
- 对象转化为json字符串好用的方法
- 电脑非正常关机后导致wamp的mysql服务无法启动
- extjs下拉选相关注释(以及如何根据显示的值,获取需要传入后台的值)
- 【笔记】多因素条件下注意力分配建模
- java复习之 JSP
- 数学建模建模建模
- 【Unity3D_常用模块】 Socket网络模块(超级详细完整,上线项目中稳定使用着)
- 大一下 关于结构体的知识点
- 高级ROP
- greenplum导出表、数据、模式的sql
- Effective Jave 创建和销毁对象 4.通过私有构造器强化不可实例化的能力
- Morris Traversal方法遍历二叉树(非递归,不用栈,O(1)空间)