基于长短期记忆网络的改进型AdaBoost虚拟现实体验预测
摘要
本文采用基于长短期记忆网络（Long Short-Term Memory, LSTM）改进型AdaBoost的分类预测算法，用于预测虚拟现实（Virtual Reality, VR）用户体验。该数据集按7:3的比例随机分为训练集和测试集。在训练过程中，模型的损失值从0.65降至0.31，表明模型逐步减小预测结果与实际标签之间的差距，提高了准确率和泛化能力。最终损失值为0.31，表明模型能够良好地拟合训练数据，更准确地进行预测和分类。训练集的混淆矩阵显示，总计有177个正确预测和52个错误预测，准确率为77%，精确率为88%，召回率为77%，F1分为82%。测试集的混淆矩阵显示，总计有167个正确和53个错误的预测，准确率为75%，精确率为87%，召回率为57%，F1分为69%。综上所述，基于LSTM与改进型AdaBoost结合的分类预测算法在虚拟现实用户体验预测方面表现良好。该研究对于增强虚拟现实技术在用户体验方面的应用具有重要意义。通过将LSTM和AdaBoost算法结合，本文在用户体验预测方面取得了显著进展，不仅提高了模型的准确率和泛化能力，也为虚拟现实领域的相关研究提供了有益的启示。这种方法有助于开发人员更好地理解用户需求，优化虚拟现实产品设计，提高用户满意度，从而推动虚拟现实技术在各领域的广泛应用。
引用
@article{arxiv.2405.10515,
title = {Improved AdaBoost for Virtual Reality Experience Prediction Based on Long Short-Term Memory Network},
author = {Wenhan Fan and Zhicheng Ding and Ruixin Huang and Chang Zhou and Xuyang Zhang},
journal= {arXiv preprint arXiv:2405.10515},
year = {2024}
}
备注
This work has been peer-reviewed in The 2nd International Conference on Software Engineering and Machine Learning and published in Applied and Computational Engineering, DOI: https://doi.org/10.54254/2755-2721/77/20240678