基于感性工学的旗帜广告设计优化
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-18页 |
1.1 研究背景 | 第11-14页 |
1.1.1 网络广告具有商业发展价值 | 第11-13页 |
1.1.2 感性工学成为现代设计的发展趋势 | 第13-14页 |
1.2 研究目的和意义 | 第14-15页 |
1.3 研究内容与方法 | 第15-16页 |
1.3.1 研究内容 | 第15页 |
1.3.2 研究方法 | 第15-16页 |
1.4 论文框架 | 第16-18页 |
第2章 文献综述与相关理论 | 第18-30页 |
2.1 文献综述 | 第18-20页 |
2.1.1 国外文献综述 | 第18-19页 |
2.1.2 国内文献综述 | 第19-20页 |
2.2 网络广告和旗帜广告分类概述 | 第20-22页 |
2.2.1 网络广告分类概述 | 第20-21页 |
2.2.2 旗帜广告分类概述 | 第21-22页 |
2.3 语义差异法及意象尺度法 | 第22-23页 |
2.3.1 语义差分法 | 第22页 |
2.3.2 意象尺度法 | 第22-23页 |
2.4 统计分析方法 | 第23-27页 |
2.4.1 多维尺度分析 | 第23-24页 |
2.4.2 聚类分析 | 第24-25页 |
2.4.3 因子分析 | 第25页 |
2.4.4 数量化Ⅰ类思想 | 第25-26页 |
2.4.5 多元回归分析 | 第26-27页 |
2.5 建模求解方法 | 第27-30页 |
2.5.1 神经网络建模概述 | 第27-28页 |
2.5.2 遗传算法优化概述 | 第28-30页 |
第3章 旗帜广告设计要素的确定及原型构建 | 第30-39页 |
3.1 旗帜广告设计要素的选取 | 第30-35页 |
3.1.1 旗帜广告设计要素的确定方法 | 第30-32页 |
3.1.2 设计要素的选取 | 第32-35页 |
3.2 旗帜广告原型构建 | 第35-38页 |
3.3 本章小结 | 第38-39页 |
第4章 旗帜广告感觉特性评价量表构建 | 第39-54页 |
4.1 代表性广告的选取 | 第39-42页 |
4.1.1 距离矩阵的建立 | 第39-41页 |
4.1.2 聚类分析 | 第41-42页 |
4.2 感觉特性代表性意象词对的选取 | 第42-44页 |
4.2.1 初始意象词对收集 | 第42-43页 |
4.2.2 代表性意象词对的筛选 | 第43-44页 |
4.3 问卷设计及数据收集 | 第44页 |
4.4 旗帜广告感觉特性评价量表的建立 | 第44-53页 |
4.4.1 各意象词对与总体相关系数分析 | 第44-45页 |
4.4.2 项目分析独立样本T检验 | 第45-47页 |
4.4.3 因子分析 | 第47-50页 |
4.4.4 量表的信度与效度 | 第50-53页 |
4.5 本章小结 | 第53-54页 |
第5章 旗帜广告用户偏好模型构建 | 第54-64页 |
5.1 用户偏好与单个意象词对关系模型构建 | 第54-61页 |
5.1.1 BP神经网络结构参数设计 | 第54-57页 |
5.1.2 BP神经网络模型构建 | 第57-59页 |
5.1.3 模型验证 | 第59-61页 |
5.2 用户偏好与潜在需求因子关系模型构建 | 第61-63页 |
5.3 本章小结 | 第63-64页 |
第6章 旗帜广告设计要素与感知评价模型构建 | 第64-80页 |
6.1 广告设计要素与意象词对关系模型构建 | 第64-72页 |
6.1.1 基于数量化Ⅰ类理论的关系模型构建 | 第64-70页 |
6.1.2 模型验证 | 第70-72页 |
6.2 广告设计要素与用户偏好关系模型构建及优化 | 第72-79页 |
6.2.1 基于数量化Ⅰ类理论的关系模型构建 | 第72-75页 |
6.2.2 遗传算法优化设计 | 第75-78页 |
6.2.3 模型验证 | 第78-79页 |
6.3 本章小结 | 第79-80页 |
第7章 总结与展望 | 第80-82页 |
7.1 论文的主要工作 | 第80页 |
7.2 论文的创新点 | 第80-81页 |
7.3 研究不足及展望 | 第81-82页 |
参考文献 | 第82-86页 |
致谢 | 第86-87页 |
附录 | 第87-101页 |
附录A 代表性广告选取调查问卷(部分) | 第87-88页 |
附录B 旗帜广告感觉特性调查问卷(部分) | 第88-89页 |
附录C 其他评价词对与设计变量关系 | 第89-101页 |
附件 | 第101页 |