文献类型：期刊文章

作　　者：杨华民[1] 于志[1] 底晓强[2,3] 梁钟予[1] 张兴旭[1]

YANG Huamin;YU Zhi;DI Xiaoqiang;LIANG Zhongyu;ZHANG Xingxu(School of Computer Science and Technology,Changchun University of Science and Technology,Changchun 130012,China;Jilin Province Key Laboratory of Network and Information Security,Changchun University of Science and Technology,Changchun 130012,China;Information Center,Changchun University of Science and Technology,Changchun 130012,China)

机构地区：[1]长春理工大学计算机科学技术学院,长春130012 [2]长春理工大学吉林省网络与信息安全重点实验室,长春130012 [3]长春理工大学信息化中心,长春130012

出　　处：《吉林大学学报（信息科学版）》

基　　金：吉林省教育科学规划基金资助项目(ZD18027)。

年　　份：2022

卷　　号：40

期　　号：5

起止页码：819-828

语　　种：中文

收录情况：CAS、IC、JST、RCCSE、ZGKJHX、普通刊

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

分 类 号：TP391]