基于KH-SVM的大学生心理健康评价

• 作者: 李力 王鑫
• 来源期刊: 微型电脑应用
• 关键词: 磷虾群算法 支持向量机 心理健康评价 大学生 神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 45-47,51
• 页数: 4页
• 分类号: R395.1
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.05.013

摘要

为提高大学生心理健康评价的精度,针对支持向量机性能受惩罚系数和核函数参数的影响,提出一种基于磷虾群算法优化支持向量机(KH-SVM)的大学生心理评价方法.根据SCL-90总分和中国常规模式评价指南,将9个维度的评价指标躯体化、人际关系敏感、精神病、抑郁、偏执、恐怖、敌对、焦虑和强迫作为KH-SVM评价模型的输入,以及大学生心理健康状态作为KH-SVM评价模型的输出,建立大学生心理健康KH-SVM评价模型,其中大学生心理健康状态分为不健康、轻度不健康和健康.与ELM、SVM和BPNN对比发现,KH-SVM可以有效提高大学生心理健康评价结果的准确率,为大学生心理健康评价评估提供了新的方法.