基于数据降维和SVM的大学生心理健康状态评价

• 作者: 李馥利 金敏 王雨佳
• 来源期刊: 微型电脑应用
• 关键词: 支持向量机 心理健康状态评价 神经网络 局部线性嵌入算法
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 79-81
• 页数: 3页
• 分类号: TP391|R395.1
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.05.023

摘要

针对传统的大学生心理健康状态评价方法存在计算复杂和准确率低的缺点,提出了一种基于数据降维和支持向量机的大学生心理健康状态评价方法.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LLE-SVM模型的大学生心理健康状态评价模型的输入,将大学生心理健康状态作为LLE-SVM模型的输出,建立LLE-SVM的大学生心理健康状态评价模型.与SVM、BPNN和DT相比较,LLE-SVM能够有效提高大学生心理健康状态评价准确率.