如今经济蓬勃发展,精准获取用户精神需求是产品设计的前沿研究课题。工业设计作为以人为本的交叉学科,日益注重用户的情感需求,而感性工学及认知理论因其能够有效提取用户的感性需求而引发设计界的关注。然而,在明确用户感性需求时,存在用户需求错位、缺乏客观数据支撑的问题,难以深入挖掘用户真实的情感需求,无法为个性化感性满足的设计提供理性支持,而生理测量技术及集群理论的诞生为上述不足提供解决措施。为此,本文从用户感性认知角度出发,借鉴认知理论、神经科学理论和集群理论,归类集群用户的意象-产品群,预测用户的感性需求。本文的主要工作内容如下:首先,建立基础用户集群、样本域及黑箱意象域为后续研究作铺垫。采用问卷收集并编码用户特征信息,通过K-modes算法建立基础用户集群;建立专家小组对样本展开相似度筛选及聚类,以此甄选样本域;通过兴趣度排序及自主性意象评价,建立集群对应的意象因子集判定黑箱意象,弥补部分感性意象丢失的缺陷,使用改进的WSO算法预测集群用户的黑箱意象分值,并基于MAE验证黑箱意象预测值,提取各集群验证后的代表意象,进而建立更完善的基于集群用户的黑箱意象域。其次,为获取更客观的集群用户需求,在脑视觉认知理论的指导下,提取集群用户的眼-脑主客观认知数据。基于样本域和意象域在E-prime中设计实验流程,借助眼动仪和脑电设备,实施眼-脑集成的意象评选流程,同步采集被试在实验过程中的脑视觉认知生理数据;基于基础用户集群运用KNN算法,通过比较基础集群用户与被试特征元数据之间的距离,划分实验被试所属用户集群;提取实验中集群被试对样本的主观选择率,并运用Be Gaze、Matlab及SPSS分集群提取关键眼动、脑电指标。接着,归类集群用户对应的意象-产品群,基于此归类推理新用户的认知偏好。基于主客观关键数据指标建立综合矩阵,运用TOPSIS计算各样本意象与最优意象值的相对贴近度,归类每个用户集群下意象对应的产品案例;收集新用户的特征元,再次运用KNN算法识别新用户所属集群,确定对应的认知偏好案例,并将样本制作成排序问卷,验证预测结果的有效性。最后,以贵州十大千亿产业之一的无人机作为实例研究,归类符合不同集群用户心理的无人机案例,预测无人机用户的认知偏好,经验证的结果表明,预测的认知偏好符合用户需求,证实了所提出方法的可行性,对满足用户心理偏好的消费级无人机创新设计提供了用户偏好预测的新途径。本文提出的基于集群用户脑视觉认知的意象-产品归类研究方法,运用现有集群用户的生理认知数据,相对客观地预测新用户的需求偏好,更精准地挖掘用户潜在的感性需求,辅助设计师在个性化的感性设计中,获取更可靠的需求偏好,对产品创新实践具有一定参考价值。