多项式SVM算法在可穿戴设备监测学习过程的应用

作者：刘峥; 申红; 徐小勇

来源：机械设计与制造工程, 2021, 50(08): 97-100.

• 可穿戴设备
• 学习过程
• 机器学习
• 随机森林
• 支持向量机

课堂活动中学生对教师课程设计元素的学习有效性评价多依赖于标准化的问卷来完成,然而问卷会对学生造成额外的压力,由此导致评估结果失真。为了解决这个问题,使用腕戴式可穿戴设备,对学生在学习过程中的生理参数进行连续且无干扰的监测,使用多项式支持向量机(SVM)算法预测可穿戴设备监测学习过程获得的分类目标变量和连续目标变量。为了证明该算法的有效性,分别采用随机森林、线性SVM、径向SVM和多项式SVM算法,计算并对比了与3个问卷调查因子(满意度、有用性和成绩)有关的均方根误差。结果表明,多项式SVM算法优于其他算法,其中有用性、成绩、满意度的最小错误率分别是13.8%、11.0%、11.8%,该算法具有较高的实用价值。

• 单位
  交通运输学院; 西安铁路职业技术学院