普適環(huán)境下實時協(xié)同若干感知問題的研究.pdf

1、分析了普適環(huán)境下協(xié)同設計存在的相關問題，尤其是手持設備等移動終端的感知局限，資源不均衡站點之間交互感知帶來的負面影響。利用環(huán)境上下文、設備上下文、用戶上下文提高計算系統(tǒng)主動性和智能性。對交互方式、用戶界面進行自動調(diào)整，對任務進行自動化處理而不干擾用戶正常認知任務，緩解了注意干擾給人機交互過程帶來的不良影響等問題。較好地解決了屏幕受限設備的瀏覽問題，解決了普適環(huán)境下異構網(wǎng)絡間數(shù)據(jù)傳輸?shù)淖赃m應調(diào)整問題，較好的利用了客戶使用偏好，解決了低帶寬

2、下細粒度感知數(shù)據(jù)的傳輸問題。 提出利用離散系統(tǒng)神經(jīng)網(wǎng)絡信息采集方式對動態(tài)多控制點感知信息予以屏蔽的方法，對于用戶不敏感的感知信息予以屏蔽。解決了用戶自定義虛擬感知實現(xiàn)方式。提高了用戶工作注意力，提高了協(xié)同虛擬設計感知能力和工作效率。 提出屏蔽手持設備上圖案細節(jié)聯(lián)組方法，解決了協(xié)同編輯過程中繁多圖形、圖像、文本對象對用戶瀏覽和認知造成較大障礙的問題。 提出預測遠程控制點運動的機器學習算法和比例可變更算法，機器學習算

3、法對Dead-reckoning算法進行適應性改進。該算法可以根據(jù)實際環(huán)境中前一次的預測偏差來動態(tài)地調(diào)整預測公式，優(yōu)化預測軌跡。比例可變更算法分別對Dead-reckoning算法和機器學習算法進行適應性改進。改進后的比例可變更算法，更符合人類感知習慣。相應實驗數(shù)據(jù)對比證明兩種算法較之傳統(tǒng)算法具有一定優(yōu)勢。 提出預測用戶關注區(qū)域的擴展預測集合算法，并介紹了預測結果在手持設備等移動終端Lazydownload方法下的利用。該算法預

4、測在線操作用戶在其未來的關注區(qū)域，幫助本地用戶理解其他用戶操作意圖。此外，預測用戶關注區(qū)域可以幫助屏幕受限無線移動手持系統(tǒng)在實時協(xié)同工作時，正確判斷及提前下載需要的文檔片段，提高了手持系統(tǒng)平均響應速度，節(jié)省了用戶等待時間。 介紹了利用低比特率bi-level視頻編碼進行動態(tài)視頻壓縮的算法。算法著重于視頻中圖像邊界信息的處理，視頻數(shù)據(jù)輸出幀著重于體現(xiàn)能夠提供豐富感知信息的外觀輪廓特征，在低帶寬限定的網(wǎng)絡狀況下最大可能地傳遞動態(tài)視頻