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
空军军医大学航空航天医学系航空航天医学装备教研室,陕西西安 710032
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
分类号：TP181(自动化基础理论)E0-051(军事学与其他科学的关系)
资助基金：陕西省重点研发项目(2022SF-137)陕西省重点研发项目(2023-YBSF-509)
论文发表日期：2025-05-31
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：4( 630-632,638 )
英文信息