基于学生行为数据的学生心理健康状态预测 |
| |
引用本文: | 杨华民,于志,底晓强,梁钟予,张兴旭.基于学生行为数据的学生心理健康状态预测[J].吉林大学学报(信息科学版),2022(5):819-828. |
| |
作者姓名: | 杨华民 于志 底晓强 梁钟予 张兴旭 |
| |
作者单位: | 1. 长春理工大学计算机科学技术学院;2. 长春理工大学吉林省网络与信息安全重点实验室;3. 长春理工大学信息化中心 |
| |
基金项目: | 吉林省教育科学规划基金资助项目(ZD18027); |
| |
摘 要: | 为解决大学生心理健康状态识别问题,基于学生消费、上网和心理测评结果数据,首先应用Jenks Natural Breaks算法进行特征分类,然后根据特征分类结果使用Apriori算法进行特征关联分析,以挖掘与学生心理健康状态具有一定相关性的行为特征。最后,基于粒子群优化算法改进了惯性权重,并增加了对劣势粒子进行识别变异和选择的过程,以避免算法陷入局部最优解,同时使用萤火虫扰动策略加速粒子群向全局最优解收敛,构建了PDNN(Particle Difference Neural Network)神经网络模型用于预测学生的心理健康状态。在学生行为特征数据集上的实验结果表明,所提出的模型优于传统的机器学习和相关深度学习模型,并可以快速收敛,能更加有效准确地预测学生的心理健康状态。
|
关 键 词: | 学生心理健康状态预测 学生行为数据 粒子群优化算法 劣势粒子的识别与变异 神经网络 |
|
|