传统感性工学的研究是利用成对感性词汇(Paired KANSEI Adjectives, PKA)来建立调查表,以期获得用户对产品的感性评价。但是,这种方法仅是利用感性词汇集对事物在感性语义上的一个粗粒度的定性描述,所利用的尺度是离散且线性的；这种方式的感性知识建模存在着极大的不精确与不确定性。本文将从基础数据获取、产品内隐情感表示方法及推理模型的建立三个方面入手建立一个全新的产品内隐情感认知模型。首先,利用情绪词库(Affective Norms for English Words, ANEW)所采用的实验方法,开展心理量的人工标定实验；建立起人体在“自然状态”下,直观感知(Valence-Arousal, VA,即Valence表示兴奋或平静的程度, Arousal表示与正面或者负面的程度)与感性词汇之间的联系。其次,利用心理量人工标定实验所获得的Valence-Arousal数据,建立起基于Valence-Arousal的情感细胞元认知模型,包括基于情感细胞元模型的内核和外壳的定义及其度量函数的学习方法,同时对于细胞元的边界模糊性(Fuzziness)进行计算；建立起基于Valence -Arousal情感细胞元的产品内隐情感表示方法；在情感细胞元模型之上,给出了基于模糊集理论(Fuzzy Sets, FS)的相似关系,并通过相似性计算与分析给出了产品内隐情感检索系统设计方法。最后,利用案例式学习技术(Case Based Reasoning, CBR)、贝叶斯变精度粗糙集合成方法及模糊多分类支持向量机(Multi-class Fuzzy Support Vector Machine, MFSVM)技术,分别建立起基于Valence-Arousal的产品内隐知识推理模型,并在手机、汽车等产品的案例研究中验证其有效性。本文的研究成果包括：(1)建立了基于Valence-Arousal的情感细胞元的产品内隐情感表示模型。这种模型是对“离散”的感性词汇的深入解析,是意图在定性与定量之间寻求一个平衡点,使得每一个感性词汇不再是孤立的、生硬的,而是一个“细胞”。(2)建立起基于Valence-Arousal的情感细胞元的内核与外壳的获取方法。包括建立了Valence-Arousal二维情感函数到情感细胞元的映射关系。针对内核的单点集、平面集和圆型集的不同类型分别进行定义；通过单一和混合高斯密度函数来度量情感空间点集的密度,并通过参数估计的方法来获得密度函数的关键参数。(3)建立起情感细胞元边界的模糊计算模型。通过模糊集的模糊交、并等逻辑运算建立情感细胞元模糊边界的计算模型。针对单点集、平面集和圆型集分别给出边界的计算模型。情感细胞元的边界计算对于产品内隐情感的精确分类起到重要作用。(4)建立基于Valence-Arousal的情感细胞元相似性度量方法。包括相似性度量空间、相似关系的形式化定义和相似度的计算。在IF-THEN规则的知识表达形式中,对相似性计算的结果进行分析,并给出产品内隐情感检索系统的研究内容与设计方法。(5)建立起三种基于Valence- Arousal的产品内隐情感推理模型。在模糊案例式推理模型中,以产品造型典型特征集为初始案例,以相应地情感细胞元密度函数生成案例相似度计算公式,通过模糊最邻近算法(Near Neighbor, NN)算法获得产品的整体评价。在贝叶斯学习模型中,通过基于情感细胞元的产生式规则及其度量(LN,LS)并利用可变精度粗糙集理论形成贝叶斯变精度合成推理模型。在多分类器推理技术中,将细胞元的密度分布函数融入多分类模糊支持向量机模型,建立了产品内隐情感的分类模型。