申请/专利权人:常熟理工学院
申请日:2024-03-13
公开(公告)日:2024-05-07
公开(公告)号:CN117992768A
主分类号:G06F18/2113
分类号:G06F18/2113;G06F18/2411;G06F18/214;G06Q50/20;G06Q30/0203
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.24#实质审查的生效;2024.05.07#公开
摘要:本发明公开了一种网络成瘾特征选择方法及网瘾预测方法,网络成瘾特征选择方法,包括:获取网络成瘾的特征数据,得到网络成瘾的特征集;计算特征的信息增益和信息增益比;对信息增益算法和信息增益比算法整合,计算信息增益平均值,对信息增益值大于信息增益平均值的特征采用信息增益比对特征进行排序,对信息增益值小于信息增益平均值的特征采用信息增益对特征进行排序,对特征进行评估,获取最优特征子集。提出整合信息增益和信息增益比的特征选择方法,训练SVM算法分类器,实现适用于低年级同学的网瘾预测,做到早发现早预防。特别地,提出的整合信息增益和信息增益比的特征选择方法,避免过拟合问题,提高分类器预测准确率。
主权项:1.一种网络成瘾特征选择方法,其特征在于,包括以下步骤:S01:获取网络成瘾的特征数据,得到网络成瘾的特征集;S02:计算特征的信息增益和信息增益比;S03:对信息增益算法和信息增益比算法整合,计算信息增益平均值,对信息增益值大于信息增益平均值的特征采用信息增益比对特征进行排序,对信息增益值小于信息增益平均值的特征采用信息增益对特征进行排序,对特征进行评估,获取最优特征子集。
全文数据:
权利要求:
百度查询: 常熟理工学院 一种网络成瘾特征选择方法及网瘾预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。