基于PSO-SVM的大学生手机依赖分析系统

作者：徐炜君; 原大明; 刘东升

来源：电子设计工程, 2017, 25(01): 13-16.

DOI：10.14022/j.cnki.dzsjgc.2017.01.004

• 支持向量机
• 粒子群优化
• 大学生手机依赖
• 手机成瘾指数量表
• 手机APP

针对手机依赖给大学生造成的生理、心理及社会功能损害问题,将支持向量机(SVM)和粒子群(PSO)优化算法结合,利用PSO优化SVM的核函数参数γ和惩罚因子C,设计了一种大学生手机依赖分析系统。系统通过手机APP发布和回收手机成瘾指数量表问卷,用得到基础数据训练PSOSVM进而得到手机依赖分类模型,模型可以实时地对采集的问卷进行分类判断,避免了问卷的发放、收集和数据录入分析等繁琐的工作。系统还可以对分类的结果进行统计分析,便于掌握学生的最新动态。实验结果表明,本系统的分类准确率高达97.561%,而且系统可以自动的进行手机依赖者的筛选和统计分析,系统的分析结果可信可靠。

• 单位
  东北石油大学秦皇岛分校