论文部分内容阅读
以大学生行为特征为基础，进行心理健康状态评估时，主要依据单一维度的特征，使得评估结果均方误差较大。因此，文章引入多维度特征理念，设计一种新的大学生心理健康状态评估方法。引入信息熵概念对心理状态感知数据进行分析，完成数据特征维度的构造与选择。结合常规心理状态自评标准，建立心理健康评估指标体系，并为每项评估指标进行赋权。通过局部线性嵌入算法对多维度特征数据进行降维处理，再结合支持向量机算法，构建基于多维度特征的评价模型。最后，运用模糊综合算法和最大隶属原则，得到大学生心理健康评估结果。实验结果表明：所提方法评估结果的均方误差为0.02,与基于决策树、基于前馈神经网络的评估方法相比，均方误差分别降低了11%、17%。