吉林大学学报(信息科学版) ›› 2022, Vol. 40 ›› Issue (5): 819-828.
杨华民a , 于 志a , 底晓强b,c , 梁钟予a , 张兴旭a
YANG Huamin a, YU Zhi a , DI Xiaoqiang b,c , LIANG Zhongyu a , ZHANG Xingxu a
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。
中图分类号: