随着社会的高速发展,人们的生活节奏也日益加快,而高速的生活节奏极易引发一系列生理或心理上的问题。相比于有一定工作经验和生活阅历的成年人而言,刚刚脱离亲朋保护的大学生更容易产生问题,甚至出现退学乃至轻生等不可挽回的行为。随着信息技术的推广和应用,以数据驱动为核心的异常检测技术在学生心理健康教育领域也取得了一系列出色的成果。因此如何利用异常检测技术来处理和分析校园中的学生数据以辅助高校进行管理是一个值得研究的问题。针对这个问题,本文提出一种以数据驱动的基于异常检测技术的学生异常行为检测及分析系统,主要工作包括:(1)提出一种改进的孤立森林(Isolate Forest,iForest)和K-Means相结合的算法。改进的iForest算法主要针对传统iForest算法中存在的分支过多和得分不一致的情况,更改了分支构建过程。该方法首先使用改进的iForest算法对数据集筛选出一组异常候选,然后使用K-Means从异常候选中得出异常分类结果。(2)设计了一种基于无监督异常检测算法的学生异常行为检测及分析系统,该系统不仅具备学生心理测评的功能,还能够基于改进的iForest算法对学生的异常行为进行检测和分析。(3)实现了一种学生异常行为检测及分析系统。该系统基于jQuery和EasyUI前端技术以及SSH(Struts2+Spring+Hibernate)框架,以MySQL为数据库,采用Eclipse开发了行为检测及分析预警功能。