一种心理健康状态的识别及评估方法技术

本发明专利技术公开了一种心理健康状态的识别及评估方法，具体涉及心理健康评估技术领域，本发明专利技术对个体的视频数据、问卷调查数据和网络数据进行获取，实现对个体的仪表特征，身体特征，语言动作特征，人际交往特征，网络数据包括个体的使用网络路径、网络使用时长、网络使用时间节点，网络浏览页面种类，对个体进行多个方面的数据获取和分析处理，更为全面直观的判断个体自身的心理健康状态，大大提高了数据的全面性，保证后续评估结果的准确性，采用神经网络算法与支持向量算法融合得到的评估模型，调用与个体测试数据特征匹配度大于75％的云端数据库中数据，作为训练样本和测试样本，保证最终得到的模型更为贴合个体实际数据。最终得到的模型更为贴合个体实际数据。

【技术实现步骤摘要】
一种心理健康状态的识别及评估方法


[0001]本专利技术涉及心理健康评估
，更具体地说，本专利技术涉及一种心理健康状态的识别及评估方法。

技术介绍

[0002]人们在长期的快节奏的生活、工作、学习压力下，容易诱发各种心理疾病，影响着人们的生活质量和身心健康。例如，很多都市白领被高强度的工作压力所困，长期处于高度紧张的状态下，且常常得不到及时的调理，久而久之便会产生焦虑不安、精神抑郁等症状，重则诱发心理障碍或精神疾病。通常，提供心理健康服务的第一步就是对个体进行心理健康状态评估。心理健康状态评估，是按照心理学的原则和方法，对人的心理特质(认知、情绪、个性、能力、行为方式等)、心理状态和水平作出评价和估量，确定其正常或异常的原因、性质和程度，从而为临床心理诊断提供依据的方法。
[0003]心理健康问题的原因主要包括人际交往、就业压力、自我管理能力、情感问题、人生发展、环境不适应和学习压力等方面，当遇到心理问题时，绝大部分学生会选择向朋友、家人倾诉，但仍有相当一部分人选择不找任何人，这种讳疾忌医、极力掩饰的行为会导致心理问题长期得不到有效排解，久而久之，负面情绪的淤积可能导致危机心理的出现，严重的还会影响到正常的个人生活和社会秩序，甚至出现极端事件，心理健康的评估和识别对社会和个人具有重要意义，因此研究一种心理健康状态的识别及评估方法具有重要意义。

技术实现思路

[0004]为了克服现有技术的上述缺陷，本专利技术提供了一种心理健康状态的识别及评估方法，本专利技术所要解决的技术问题是：上述提到的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种心理健康状态的识别及评估方法，包括以下步骤：
[0006]S1、数据获取，获取待评估个体的测试数据，并将获得的数据和已完成评估的数据存储至云端数据库；
[0007]S2、数据预处理，首先根据获得的测试数据调用云端数据库中数据，将调用的云端数据库中的数据作为训练和测试样本，采用降噪算法对获得的测试数据进行预过滤处理，得到处理后的个体测试数据；
[0008]S3、识别及评估，采用评估模型对个体测试数据得到个体的心理健康状态的评估结果。
[0009]所述个体数据包括视频数据、问卷调查数据和网络数据，所述视频数据为个体在自然生活下的视频，用于提取个体的仪表特征，身体特征，语言动作特征，人际交往特征，所述问卷调查数据为个体填写实现设计的调查表或回答问卷，所述网络数据为个体网络行为数据，网络行为数据包括个体使用网络路径、网络使用时长、网络使用时间节点，网络浏览页面种类；
[0010]所述视频数据获取时采用图像降噪方式对图像进行处理；
[0011]所述问卷调查采用艾森克人格问卷、卡尔特16种人格问卷、Back抑郁自评问卷、状态
‑
特质焦虑问卷、威斯康星卡片分类测验、精神认知能力测验、应对方式问卷、社会支持评定量表；
[0012]所述网络数据的获取采用网络爬虫的方式。
[0013]所述艾森克人格问卷、卡尔特16种人格问卷用于对个体的个性进行测试，Back抑郁自评问卷和状态
‑
特质焦虑问卷用于对个体的情绪方面进行测试，威斯康星卡片分类测验和精神认知能力测验用于对个体的认知方面进行测试，应对方式问卷和社会支持评定量表用于对个体的心理应激方面进行测试。
[0014]所述云端数据库中数据的调用包括以下步骤：
[0015]对获取的个体测试数据进行特征提取；
[0016]对云端数据库中数据进行特征提取；
[0017]对个体测试数据和云端数据库中数据的特征进行匹配，匹配度达到75％以上；
[0018]调用云端数据库中符合匹配度的数据。
[0019]所述采用云端数据库中提取的数据进行模型的训练，在模型构建完成后采用云端数据库中提取的数据进行模型的测试；
[0020]所述评估模型采用以下算法：
[0021]BP神经网络学习算法为：沿着误差函数e
p
随W变化的负梯度方向对W进行修正，反复迭代，直到收敛为止，
[0022]d
p
＝|t
p
‑
y
p
|
[0023][0024][0025][0026]其中t
p
是样本输出，y
p
是网络输出，η∈(0,1)为学习率，w
ij
，v
ij
分别为输入层到隐层，隐层到输出层间的连接权值，θ
i
是隐层神经元阈值，引入动量因子α对算法进行改进：
[0027][0028]支持向量算法：
[0029]线性回归函数
[0030]f(x)＝(ω+x)+b
[0031]拟合训练样本集
[0032]D＝{(x
i
,y
i
)},i＝1,2,
…
,n,x
i
∈R
d
,y
i
∈R
[0033]y
i
f(x
i
)＝y
i
(ω
T
x
i
+b)≥1,fori＝1，
…
M
[0034]假设所有训练数据在精度ε下无误差的用线性函数拟合，
[0035][0036]优化目标为：
[0037]引入松弛变量ξ
i
和得到其对偶问题的描述：
[0038][0039][0040]其中，C为超出误差样本的惩罚项，对应点即是支持向量，得到的回归函数为
[0041][0042]线性回归问题通过非线性转化为某个高维空间的线性问题，用核函数K(x
i
·
x
j
)代替原来的内积运算(x
i
·
x
j
)，在高维空间中进行线性回归；
[0043]采用粒子群优化的分段高斯权重因子进行信息融合，实现神经网络和支持向量机作为不同的证据体进行信息融合，数学模型为：
[0044][0045][0046][0047]其中ξ1，ξ2分别是上述两训练模型的高斯权重，微粒群优化算法PSO用来对高斯函数方差σ进行寻优。
[0048]引入训练均方误差mse1和测点向量相似度γ，获取自调整因子集A
γ
，对融合模型进一步完善：
[0049][0050]γ
i
＝α
·
β
[0051][0052][0053][0054]其中Δη
i,j
，Δη
0,j
和TP
i,j
分别为第i中健康模式下，第j中参数变化的估计值，真实值和测点向量，α和β依次是该向量的范数相似度和方向相似度，M为健康模式的个数，K为某种模式下参数变化情况的总数，是以γ为自变量的曲线拟合函数。
[0055]个性：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心理健康状态的识别及评估方法，其特征在于，包括以下步骤：S1、数据获取，获取待评估个体的测试数据，并将获得的数据和已完成评估的数据存储至云端数据库；S2、数据预处理，首先根据获得的测试数据调用云端数据库中数据，将调用的云端数据库中的数据作为训练和测试样本，采用降噪算法对获得的测试数据进行预过滤处理，得到处理后的个体测试数据；S3、识别及评估，采用评估模型对个体测试数据得到个体的心理健康状态的评估结果。2.根据权利要求1所述的一种心理健康状态的识别及评估方法，其特征在于：所述个体数据包括视频数据、问卷调查数据和网络数据，所述视频数据为个体在自然生活下的视频，用于提取个体的仪表特征，身体特征，语言动作特征，人际交往特征，所述问卷调查数据为个体填写实现设计的调查表或回答问卷，所述网络数据为个体网络行为数据，网络行为数据包括个体使用网络路径、网络使用时长、网络使用时间节点，网络浏览页面种类；所述视频数据获取时采用图像降噪方式对图像进行处理；所述问卷调查采用艾森克人格问卷、卡尔特16种人格问卷、Back抑郁自评问卷、状态
‑
特质焦虑问卷、威斯康星卡片分类测验、精神认知能力测验、应对方式问卷、社会支持评定量表；所述网络数据的获取采用网络爬虫的方式。3.根据权利要求2所述的一种心理健康状态的识别及评估方法，其特征在于：所述艾森克人格问卷、卡尔特16种人格问卷用于对个体的个性进行测试，Back抑郁自评问卷和状态
‑
特质焦虑问卷用于对个体的情绪方面进行测试，威斯康星卡片分类测验和精神认知能力测验用于对个体的认知方面进行测试，应对方式问卷和社会支持评定量表用于对个体的心理应激方面进行测试。4.根据权利要求1所述的一种心理健康状态的识别及评估方法，其特征在于：所述云端数据库中数据的调用包括以下步骤：对获取的个体测试数据进行特征提取；对云端数据库中数据进行特征提取；对个体测试数据和云端数据库中数据的特征进行匹配，匹配度达到75％以上；调用云端数据库中符合匹配度的数据。5.根据权利要求1所述的一种心理健康状态的识别及评估方法，其特征在于：所述采用云端数据库中提取的数据进行模型的训练，在模型构建完成后采用云端数据库中提取的数据进行模型的测试；所述评估模型采用以下算法：BP神经网络学习算法为：沿着误差函数e
p
随W变化的负梯度方向对W进行修正，反复迭代，直到收敛为止，d
p
＝|t
p
‑
y
...

【专利技术属性】
技术研发人员：蔡培培，
申请(专利权)人：黑龙江职业学院黑龙江省经济管理干部学院，
类型：发明
国别省市：