基于SSA-ELM的大学生心理健康预警

• 作者: 舒忠
• 来源期刊: 现代科学仪器
• 关键词: 极限学习机 樽海鞘算法 心理健康预警 神经网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 技术创新与应用
• 页码范围: 157-161
• 页数: 5页
• 语种: 中文

摘要

针对传统的大学生心理健康预警方法存在计算复杂和准确率低的缺点,提出一种基于SSA-ELM的大学生心理健康预警方法.根据中国常规模式评价指南和症状自评量表SCL-90,选择精神病性、偏执、敌对、恐怖、焦虑、抑郁、强迫症状、人际关系敏感和躯体化等9个维度的指标作为SSA-ELM模型的大学生心理健康预警模型的输入,将大学生心理健康状态作为SSA-ELM模型的输出,其中大学生心理健康状态分为健康、轻度不健康和不健康等3种状态.与ELM、SVM和BPNN对比发现,SSA-ELM能够有效提高大学生心理健康预警准确率,为高校大学生心理辅导提供科学决策依据.