基于支持向量机算法的部队官兵心理健康分类研究

张利利, 惠铎铎, 党维涛

空军军医大学学报 ›› 2025, Vol. 46 ›› Issue (05) : 630-632+638. DOI: 10.13276/j.issn.2097-1656.2025.05.011

基于支持向量机算法的部队官兵心理健康分类研究

  • 张利利, 惠铎铎, 党维涛
作者信息 +
History +

摘要

目的 利用支持向量机(SVM)算法对样本特征进行训练,对心理健康状况进行机器学习,实现分类识别的自动化。方法 首先利用欠采样方式解决样本不均衡问题,然后采用归一化方法将所有指标得分控制在一个区间,分别选用SVM的不同核函数对样本进行训练,最后通过网格搜索对超参数进行调参,获取最佳的参数组合,并再次对样本进行测试,得到该模型的评估报告。结果 经过网格搜索调参之后,基于Sigmoid与RBF核函数的算法的精准率、召回率和F1-Score有所提高。结论 本研究为心理风险的智能评估提供了一种思路,稍加修改就可以应用到其他的场景中。

关键词

支持向量机 / 归一化 / 网格搜索 / 心理测试

中图分类号

TP181 / E0-051

引用本文

导出引用
张利利, 惠铎铎, 党维涛. 基于支持向量机算法的部队官兵心理健康分类研究. 空军军医大学学报. 2025, 46(05): 630-632+638 https://doi.org/10.13276/j.issn.2097-1656.2025.05.011

基金

陕西省重点研发项目(2022SF-137,2023-YBSF-509)

评论

Accesses

Citation

Detail

段落导航
相关文章

/