基于支持向量机的大学生自杀倾向识别研究

发布时间：2021-01-25 03:44

　　目的利用支持向量机探讨大学生自杀倾向与自杀倾向风险因素的关系,为开展有针对性的大学生心理健康教育工作提供基础。方法采用随机抽样法抽取50个样本数据,利用支持向量机（SVM）进行训练并建立识别模型;利用SPSS 20.0对10个风险因素进行相关分析。结果模型训练样本准确率高达97.5%,识别样本准确率为9/10;风险因素中对大学生自杀倾向的影响程度呈正相关的依次是性格（r=0.626）、身体疾病（r=0.463）、自我要求（r=0.443）、抑郁症（r=0.396）、精神分裂（r=0.329）、学业压力（r=0.279）,负相关的是校内人际关系（r=-0.625）、恋爱关系（r=-0.197）、家庭经济状况（r=-0.171）、家庭关系（r=-0.152）（P值均<0.05）。结论 SVM所建立的大学生自杀倾向识别模型具有有效性与实用性,内向性格对自杀倾向结果影响最大。 

【文章来源】：中国学校卫生. 2018,39(05)北大核心

【文章页数】：3 页

【文章目录】：
1 对象与方法
    1.1 对象
    1.2 工具
    1.3 识别过程
        1.3.1 样本数据预处理
        1.3.2 模型识别
2 结果
    2.1 SVM模型识别结果
    2.2 风险因素相关性分析
3 讨论


【参考文献】：
期刊论文
[1]基于个体中心视角的大学生自杀风险特征[J]. 刘爱楼,欧贤才.  当代青年研究. 2017(01)
[2]自杀意念与人格特征的研究进展[J]. 杨登乐,姜潮,贾树华.  医学与哲学（A）. 2017(01)
[3]大学生隐性自杀行为的概念辨析、识别工具及方法[J]. 陶漫.  教育评论. 2016(05)
[4]大学生自杀潜在风险的识别和预警:基于应激-易感模型[J]. 苏斌原,张卫,周梦培,林玛,孟彩.  华南师范大学学报(社会科学版). 2015(03)
[5]大学生冲动性人格在压力性生活事件与自杀意念间的中介效应[J]. 李永占.  中国学校卫生. 2015(06)
[6]大学生抑郁自杀意念及影响因素的路径分析[J]. 和红,杨洋.  中国学校卫生. 2015(01)
[7]一种基于支持向量机的信号调制分类方法[J]. 徐闻,王斌.  计算机工程. 2013(08)
[8]大学生自伤行为家庭因素应对方式与自杀意念相关性分析[J]. 褚成静,董树平,杨敏,黄紫程,林雪红.  中国学校卫生. 2012(10)
[9]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳.  电子科技大学学报. 2011(01)
[10]大学生自杀意念影响因素研究[J]. 黄俊秀,王志中.  中国健康心理学杂志. 2010(11)



本文编号：2998498