大学生手机依赖智能识别系统

为缓解手机依赖对大学生身心健康和社会功能造成的负面影响，开发了一款基于PSO-SVM算法的大学生手机依赖智能识别系统。

该系统利用手机APP分发和回收手机成瘾指数量表问卷，收集学生手机使用行为数据，并使用收集到的数据训练PSO-SVM模型。PSO算法用于优化SVM的核函数参数γ和惩罚因子C，以提高模型分类精度。

训练后的PSO-SVM模型能够实时对新收集的问卷数据进行分类判断，识别存在手机依赖问题的学生。该系统避免了传统问卷调查中数据收集、录入和分析的繁琐流程，并能对分类结果进行统计分析，帮助学校及时掌握学生手机使用情况。实验结果显示，该系统分类准确率高达97.561%，能够自动筛选手机依赖学生并进行统计分析，为高校开展手机依赖干预提供可靠的数据支持。