| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第10-30页 |
| 1.1 引言 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-25页 |
| 1.2.1 产品概念设计研究 | 第11-15页 |
| 1.2.2 工业设计领域知识研究 | 第15-18页 |
| 1.2.3 隐性知识转化及重用研究 | 第18-25页 |
| 1.3 论文背景与课题来源 | 第25页 |
| 1.4 论文研究内容与组织 | 第25-30页 |
| 1.4.1 研究目标与内容 | 第25-26页 |
| 1.4.2 研究思路与方法 | 第26-27页 |
| 1.4.3 论文的组织和研究框架 | 第27-30页 |
| 第2章 产品概念设计隐性知识相关理论研究 | 第30-43页 |
| 2.1 产品概念设计与知识 | 第30-32页 |
| 2.1.1 产品概念设计与知识演化 | 第30页 |
| 2.1.2 产品概念设计过程中的知识 | 第30-32页 |
| 2.2 产品概念设计认知模式 | 第32-35页 |
| 2.2.1 一般认知模式 | 第32-33页 |
| 2.2.2 产品语义认知模式 | 第33-34页 |
| 2.2.3 感性认知模式 | 第34-35页 |
| 2.3 设计领域隐性知识 | 第35-42页 |
| 2.3.1 感知与偏好 | 第35-36页 |
| 2.3.2 多维感知 | 第36页 |
| 2.3.3 用户隐性知识 | 第36-41页 |
| 2.3.4 设计隐性知识 | 第41页 |
| 2.3.5 产品隐性知识 | 第41-42页 |
| 2.4 小结 | 第42-43页 |
| 第3章 面向产品概念设计的隐性知识获取及表征 | 第43-85页 |
| 3.1 隐性知识来源 | 第43-45页 |
| 3.1.1 用户需求与认知 | 第43-44页 |
| 3.1.2 设计者设计经验 | 第44页 |
| 3.1.3 产品造型价值 | 第44-45页 |
| 3.2 隐性知识获取 | 第45-58页 |
| 3.2.1 基于情感分析的隐性知识获取 | 第45-55页 |
| 3.2.2 基于认知实验的隐性知识获取 | 第55-56页 |
| 3.2.3 认知实验与机床领域知识获取 | 第56-58页 |
| 3.3 基于FA-CA的隐性知识分析 | 第58-66页 |
| 3.3.1 SD数据获取 | 第59-60页 |
| 3.3.2 初始情感意象的因子分析 | 第60-61页 |
| 3.3.3 因子载荷的聚类分析 | 第61-62页 |
| 3.3.4 实例验证 | 第62-66页 |
| 3.4 基于多维变量感性工学的隐性知识映射模型 | 第66-78页 |
| 3.4.1 基于MVKE的隐性知识映射模型构建 | 第66-70页 |
| 3.4.2 基于MVKE的隐性知识映射模型构建实例 | 第70-73页 |
| 3.4.3 基于MVKE的隐性知识映射模型评估 | 第73-78页 |
| 3.5 基于图解语义和可拓关联的隐性知识表征方法 | 第78-84页 |
| 3.5.1 产品概念设计过程表征 | 第78页 |
| 3.5.2 设计知识的可拓表征 | 第78-79页 |
| 3.5.3 产品可拓图解语义表征与拓展实例库 | 第79-80页 |
| 3.5.4 概念设计图解语义表达 | 第80页 |
| 3.5.5 基于可拓图解语义聚类的实例库 | 第80-84页 |
| 3.6 小结 | 第84-85页 |
| 第4章 面向产品概念设计的隐性知识转化模型构建 | 第85-103页 |
| 4.1 产品概念设计中知识传递研究 | 第85-88页 |
| 4.1.1 产品设计过程知识传递机制分析 | 第85-86页 |
| 4.1.2 设计师与用户之间的认知差异 | 第86-87页 |
| 4.1.3 产品概念设计隐性知识的组织、传递和运用 | 第87-88页 |
| 4.2 面向产品概念设计的隐性知识转化模型构建 | 第88-91页 |
| 4.2.1 隐性知识转移外显模型 | 第89页 |
| 4.2.2 隐性知识转移螺旋模型 | 第89-90页 |
| 4.2.3 用户隐性知识和设计隐性知识的匹配模型 | 第90-91页 |
| 4.3 基于潜在语义分析和感性工学的隐性知识匹配方法 | 第91-102页 |
| 4.3.1 潜在语义分析方法 | 第91-92页 |
| 4.3.2 基于潜在语义分析和感性工学的方法 | 第92-97页 |
| 4.3.3 实例验证 | 第97-102页 |
| 4.4 小结 | 第102-103页 |
| 第5章 基于灰色关联分析的TOPSIS隐性知识收敛方法研究 | 第103-117页 |
| 5.1 设计决策支持数据库构建方法 | 第103-105页 |
| 5.1.1 基于线性回归的决策支持数据库构建 | 第103页 |
| 5.1.2 基于神经网络的决策支持数据库构建 | 第103-105页 |
| 5.2 灰色关联分析法 | 第105-106页 |
| 5.2.1 灰色关联分析法基本原理 | 第105-106页 |
| 5.2.2 灰色关联分析法基本步骤 | 第106页 |
| 5.3 传统TOPSIS法 | 第106-108页 |
| 5.4 基于属性值类型的TOPSIS法 | 第108-110页 |
| 5.4.1 属性值规范化 | 第108-109页 |
| 5.4.2 距离计算 | 第109-110页 |
| 5.5 基于灰色关联分析的TOPSIS法 | 第110-113页 |
| 5.5.1 基于灰色关联系数的TOPSIS法 | 第110-111页 |
| 5.5.2 基于灰色关联度的TOPSIS法 | 第111页 |
| 5.5.3 基于灰色关联分析的改进TOPSIS法 | 第111-113页 |
| 5.6 实例验证 | 第113-116页 |
| 5.7 小结 | 第116-117页 |
| 第6章 TKRB-CACD原型系统研究与应用 | 第117-131页 |
| 6.1 概述 | 第117页 |
| 6.2 TKRB-CACD系统设计的整体思路 | 第117-118页 |
| 6.3 系统框架 | 第118-121页 |
| 6.3.1 网络结构 | 第118-121页 |
| 6.3.2 系统技术实现 | 第121页 |
| 6.4 TKRB-CACD系统功能及实现 | 第121-129页 |
| 6.4.1 TKRB-CACD系统功能模块 | 第121-123页 |
| 6.4.2 TKRB-CACD系统功能模块实现 | 第123-129页 |
| 6.5 TKRB-CACD系统应用成果展示 | 第129-130页 |
| 6.6 小结 | 第130-131页 |
| 第7章 总结与展望 | 第131-135页 |
| 7.1 论文总结 | 第131-132页 |
| 7.2 研究创新点 | 第132-133页 |
| 7.3 工作展望 | 第133-135页 |
| 致谢 | 第135-137页 |
| 参考文献 | 第137-146页 |
| 附录A 抓取京东网打印机评论Python代码 | 第146-151页 |
| 附录B 攻读学位期间已发表学术论文目录 | 第151-152页 |
| 附录C 攻读学位期间参与科研项目（与论文相关） | 第152-153页 |
| 图版 | 第153-157页 |
| 图目录 | 第153-155页 |
| 表目录 | 第155-157页 |
