基于特征融合的信息系统易用性研究曹强许颖媚DOI：10.16661/j.cnki.1672-3791.2106-5042-4598摘要：信息系统易用性是评价软件质量的一项重要指标，针对信息系统易用性评估用户情境缺失的问题，该文从特征融合视角进行用户的特征提取和分析，依据训练集进行参数估计，通过特征融合进行用户特征数据处理分析，结合信息系统的特点和最小错误率贝叶斯决策理论，实现信息系统用户分类。用户特征融合分类能够解决信息系统易用性评估中的情境缺失问题，通过结合提取的特征提升易用性评估的准确性。关键词：易用性评估特征融合贝叶斯决策用户分类情境分析：TP31：A：1672-3791（2021）06（b）-0001-03UsabilityofInformationSystem：AFeatureFusionPerspectiveCAOQiangXUYingmei（GuangdongScience&TechnologyInfrastructureCenter，Guangzhou，GuangdongProvince，510000China）Abstract：Informationsystemusabilityisanimportantindextoevaluatesoftwarequality.Inviewofthelackofusercontextforinformationsystemusabilityevaluation，userfeaturewasextractedandanalyzedfromthefeaturefusionperspective，parameterestimationwasdonebasedontrainingset，userfeaturedatawasprocessedandanalyzed，combinedwiththefeatureofinformationsystemandBayesiandecisiontheoryofminimumerrorrate，informationsystemuserclassificationwasachieved.Userfeaturefusionclassificationcansolvetheproblemoflackofcontextintheusabilityevaluationofinformationsystemandimporovetheaccuracyoftheusabilityevaluation.KeyWords：Usabilityevaluation;Featurefusion;BayesianDesion;Userclassification;Contextanalysis易用性（Usability）是在指定的使用周境中，产品或系统在有效性、效率和满意度特性方面为了指定的目标可为指定用户使用的程度[1]。尽管近年来信息系统已经稳步增长，易用性仍然是影响用户参与的重要因素之一[2]。已有研究表明，用户年龄因素对易用性评估结果存在影响，同时还需要更多地关注用户和情境信息，以便于选择和定制许多不同的度量和更高级别的标准[3]。在大多数易用性评估中，评估者确定的用户易用性问题构成了分析的一部分，比如计算、匹配或分类[4]。近年来，特征融合得到了迅速发展并广泛应用于许多领域，在实际的分类应用中，根据给出的用于模式样本的类和多个特征集的数量，特征融合能关联集成特征，得到更加准确的识别结果[5]。信息系统具有多元化、协同化、移动化等特点，从特征融合视角对信息系统考虑易用性评估问题，可以结合用户情境信息，使用贝叶斯决策理论（BayesianDecisionTheory）进行分类识别，有针对性地给出信息系统易用性知识，引导用户完成易用性评估过程。1特征融合特征融合是信息融合的中間维度，信息融合理论是特征融合的基础理论，信息融合是多源异构数据的综合处理，达到联合决策的目的[6]。特征级融合比其他融合级别更有效，相比匹配分数或分类器的输出决策，特征集包含关于输入特征数据的更丰富的信息，如原始数据层融合信息的充分表示量或统计量。因此，特征层的融合可以提供更好的识别结果。特征融合在数据识别中得到了广泛的应用，充分利用了各种不同的信息，通过对这些信息的合理控制和利用，将时间或空间上的冗余或互补信息按照一定的标准进行组合，得到被测对象的一致解释或描述，从而使信息系统比其子集组成的系统获得更好的性能[7]。特征融合的目标是将来自两个或多个特征向量的相关信息组合成单个特征向量，其预期比任何输入特征向量更具辨别力。特征层融合是在数据层融合和决策层融合之间进行的，它具有实现一定的信息压缩和实时处理的优点，且由于提取的特征与决策分析直接相关，因此可以最大化决策分析所需的特征信息[8]。特征融合模型如图1所示，其基本流程包含了数据源、数据源特征提取、特征关联、特征融合及最后的模式分类识别结果。2最小错误率贝叶斯决策理论基于贝叶斯理论的特征融合算法是在分类器融合算法基础上发展起来的，贝叶斯决策理论是一种经典的模式识别方法[5]。根据最小错误率的贝叶斯决策理论，若对样本x进...