The invention provides a monitoring and early warning method for college students'psychological and behavioral abnormalities based on neural network, which includes: 1) obtaining students' multi-information source data; obtaining students'psychological and behavioral data through the multi-information source data and using data preprocessing algorithm; obtaining students' self-evaluation form for depression psychological test; and carrying out students'mind through the results of the self-evaluation form for psychological test. The label marker of mental health status; the features related to mental health status are extracted from the psychological and behavioral data; the PCA algorithm is used to extract the main feature components of the data through the features; 2) after obtaining the students'psychological and behavioral data and extracting the main feature components, the neural network algorithm is used to establish and train the psychological early warning model of depression; 3) to obtain new students' multi-information sources. Data were used to assess the depression status of new students according to the depression psychological early warning model.
【技术实现步骤摘要】
一种基于神经网络的大学生心理行为异动监测预警方法
本专利技术涉及一种监测预警方法,尤其涉及一种大学生心理行为异动监测预警方法,属于大数据应用领域。
技术介绍
据世界卫生组织报告,抑郁症在全世界发病率约11%,已成为危害人类健康的第四大疾病,到2020年可能成为仅次于心脏病的第二大疾病。在我国,抑郁症发病率高达7%,而且由于发现不及时与认识不足,治疗率仅为20%。因抑郁导致的自杀死亡事件频发。高校学生作为社会生活中活跃而敏感的特殊群体,处于生理、心理都经历着巨大变化的青年时期,心理健康问题较其他人群更为突出,2014年加州大学伯克利分校的学生心理健康研究报告指出生物科学研究生中有43%-46%的人感到抑郁,2015年亚利桑那大学的报告指出大多数博士生承受了“高于平均水平”的压力,并将学校及教育相关事情列入压力最重要的来源。目前,高校学生的心理健康服务还停留在“被动”模式,主要通过传统问卷发放方式或学生向心理健康咨询中心咨询或到医院就诊发现心理异动个体。但由于人力物力所限,长期以来心理学研究者无法获取覆盖研究对象全体的数据,也不便对个体心理健康状态变化进行跟踪研究,难以对心理行为异动个体进行及时主动干预。随着传感器、高速网络、移动互联、云计算、人工智能等技术的发展,以此为依托的大数据技术对心理学这一古老而复杂领域的研究也逐步展开。专利“一种基于互联网云端数据库的心理健康评估方法”(编号:CN201610808888.0)中提出了一种基于互联网云端数据库的心理健康评估方法。方法中,云端数据库用于存储已知的样本中心理测试量表的因子得分;利用RBF神经网络算法建立心 ...
【技术保护点】
1.一种基于神经网络的大学生心理行为异动监测预警方法,其特征在于,包括如下步骤:S1、获取学生在校心理行为数据;通过实时/准实时方式将来自各信息系统,如学校教务系统、一卡通系统、学工系统、图书馆系统、出入控制系统等中与心理行为相关的表同步至本预警系统。S2、对来自上述信息系统的相关表的字段进行分析,选择出所需的字段并提取至单一一张表中。对该表数据进行数据预处理,如填补缺失值、归一化、数据规约等;获取学生的心理测试自评表;通过所述心理测试自评表的结果,对学生进行心理健康状态标签标记,将患有轻度、中度、重度学生归为一类,无抑郁归为另一类;S3、使用PCA算法对上述特征进行降维,在获得学生心理行为数据和提取出主要特征分量后,利用神经网络算法,建立和训练心理行为异动监测预警模型;S4、获取新的学生多信息源数据,根据所述的心理行为异动监测预警模型进行预测,得到新的学生个体的心理健康状态。
【技术特征摘要】
1.一种基于神经网络的大学生心理行为异动监测预警方法,其特征在于,包括如下步骤:S1、获取学生在校心理行为数据;通过实时/准实时方式将来自各信息系统,如学校教务系统、一卡通系统、学工系统、图书馆系统、出入控制系统等中与心理行为相关的表同步至本预警系统。S2、对来自上述信息系统的相关表的字段进行分析,选择出所需的字段并提取至单一一张表中。对该表数据进行数据预处理,如填补缺失值、归一化、数据规约等;获取学生的心理测试自评表;通过所述心理测试自评表的结果,对学生进行心理健康状态标签标记,将患有轻度、中度、重度学生归为一类,无抑郁归为另一类;S3、使用PCA算法对上述特征进行降维,在获得学生心理行为数据和提取出主要特征分量后,利用神经网络算法,建立和训练心理行为异动监测预警模型;S4、获取新的学生多信息源数据,根据所述的心理行为异动监测预警模型进行预测,得到新的学生个体的心理健康状态。2.如权利要求1所述的基于神经网络的大学生心理行为异动监测预警方法,其特征在于,其中,S1中与心理行为相关的表为本科生基本信息表、研究生基本信息表、一卡通消费表、图书馆借阅表、图书馆出入记录表、成绩表、课程表、奖学金表等。3.如权利要求1所述的基于神经网络的大学生心理行为异动监测预警方法,其特征在于,所述步骤S1中,所述的学生心理行为数据包括学生性别、学生获奖情况、学生处罚情况、学生学业情况、学生一卡通消费情况、学生进出宿舍门禁情况、学生进出图书馆情况、学生借书情况、学生三餐情况、学生社交情况。4.如权利要求1所述的基于神经网络的大学生心理行为异动监测预警方法,其特征在于,其中,所述学生获奖情况包括获得奖学金次数和金额;所述学生处罚情况包括学生处罚次数和等级;所述学生学业情况包括学生各学科优秀率、良好率、及格率、不及格率、优秀门数、良好门数、及...
【专利技术属性】
技术研发人员:许维胜,李莉,梅广,李浩,赵震,刘文卿,
申请(专利权)人:同济大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。