面向智能移动设备的多握持方式下触控手势交互研究

来源 :南京航空航天大学 | 被引量 : 1次 | 上传用户:qsk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着硬件技术的快速发展,智能移动设备的计算性能越来越强大,功能越来越丰富,因此在人们日常生活中扮演着越来越重要的角色。这类设备由于其移动性,可以支持用户使用多种握持方式进行交互。触控手势是用户与智能移动设备交互的重要方式,因此一直是国内外学者关注的研究热点。本文以移动设备上的触控手势交互为研究对象,针对用户使用智能移动设备时多握持方式下开展研究,具体工作包括以下三个方面:第一,针对单手握持方式下的背面手势交互,进行了单手交互中手持设备正面与背面手势输入的异同研究。相关实验与分析结果表明背面食指的表现总体上要比正面拇指差一些。正面拇指手势输入比背面食指要更加快速和准确,在某些细节特征如闭合距离和指示角差上表现相当,但在手势尺寸比上,背面食指表现更好。总的来说,背面食指手势集的设计不应太复杂,背面手势输入不需要太大的区域。实验结果和相关讨论为单手背面手势交互提供了设计指导。第二,针对双手握持方式下的双手手势交互,进行了双手交互中惯用手拇指(Dominant Thumb,DT)和非惯用手拇指(Non-dominant Thumb,NT)在点击和手势任务下的异同研究。相关实验和分析结果表明,在点击任务中,DT的点击速度快于NT;需要的最佳目标大小要小于NT(7.7mm和9.4mm);但是点击准确度与NT相似;两者都满足菲茨定律。在手势输入任务中,DT和NT在绘制时间、手势尺寸比和指示角差等特征上具有显著的差异性,而在闭合距离、轴对称性和形状距离等特征上表现相似。实验结果和相关讨论为双手拇指交互提供了设计指导。第三,基于平板设备,针对单手手掌握持、单手手臂握持和双手握持三种常用握持方式,综合考虑了目标位置和移动距离等因素,进行了握持方式对用户自定义手势设计影响的研究。本研究针对30个常用命令,得到了1293个用户自定义手势。分析结果表明,握持方式对一些命令(如open,pan等)的用户自定义手势设计没有影响;对另一些命令(如move a lot)的手势设计有显著的影响;用户的先验交互经历对用户自定义手势设计也有较大的影响。实验结果和相关讨论为面向平板设备的触控手势交互设计提供了指导。本文进行了面向智能移动设备的多握持方式下的触控手势交互研究,研究结果丰富了智能移动设备上的触控手势交互研究体系,并为触控手势设计提供了参考。
其他文献
当下,青年志愿服务活动涉及社会、环境和生活等方面,从扶贫到社区共建,从公共服务到教育支持,其服务的领域与影响的范围不断扩大。本文的研究对象定位为益阳市青年志愿服务事
随着信息时代的飞速发展,个人隐私泄露事件层出不穷,越演越烈。社交网络作为一个共享的平台,分享在社交网络中的资源可能被多个分享主体所共有,为了防止隐私泄露,每个社交网
近年来网络媒体极具时效性的报道成为了网民收到信息的主要途径。网络媒介的互动特征已经成为影响受众舆情的重要手段。VK是一个以发布与分享信息为核心的网络传播平台,由于
顶点覆盖(Vertex Cover)是无向图G=(V,E)的一个顶点子集,使得图G中的任意一条边都至少存在一个顶点属于该子集。最小顶点覆盖问题(Minimum Vertex Cover)的目标是找出包含顶
研究目的:通过对比全脑型体育教学模式和传统体育教学模式在5-6岁儿童体育教学中的差异,寻找全脑型体育教学模式对儿童体育教学的优势,比较分析两个班儿童各个所测试指标,探
水下通信技术在国家海洋军事实力建设与海洋资源探测等领域扮演着重要角色,随着国与国之间的竞争愈演愈烈,水下通信技术成为一个热门研究领域。实现水下数字通信系统中信号的盲检测对水下通信技术的发展有着举足轻重的作用。基于Hopfield神经网络(Hopfield Neutral Network,HNN)的盲检测算法由于不依赖统计量,直接对接收信号进行盲检测恢复出原始发送信号,利用神经网络的非线性,自适应性
推进教育均衡发展是新时代我国教育改革的主旋律,教育均衡是区域发展的主要影响因素。校长轮岗是政策与体制相融合发展的具体产物,分析校长轮岗并强化校长轮岗制发展,促使校
宰我是孔子门下四科“十哲”之一。为言语科之首,其便辞巧说在《论语》及其他文献中多有体现,喜提出问题并对此与孔子进行辩论,故颇受教责。文献所载之宰我生平扑朔迷离,尤其
人类对于外部世界的认识通常是基于多种感知的综合响应,例如视觉、听觉、触觉等等。多模态数据是同一事物在不同形式下的展现结果,通过融合这些数据可以更加深入的了解事物的本质结构。在多模态融合中,传统的模型通常会忽略分析样本重要性对于模态融合的影响。在本文中,引入自步学习模型来改善这一问题。自步学习模型与人类教育过程类似,将样本按易学到难学进行排序然后逐步进行训练。本文的研究内容是基于自步学习的多模态融合
图像分类是计算机视觉的基础问题。随着人工智能和计算机视觉的蓬勃发展,越来越多的高校和企业投入了大量精力到图像分类研究中。顾名思义,图像分类是利用图像处理和人工智能的方法提取图像特征,然后确定图像的类别。传统的图像分类算法首先提取图像的颜色特征、纹理特征、形状特征、空间关系特征,然后训练一个分类器来对图像进行分类。传统图像分类算法的分类精度受到特征的典型性和区分性的限制。本文使用特征编码和多层空间特