基于学生行为数据的学生心理健康状态预测

作者：杨华民; 于志; 底晓强^*; 梁钟予; 张兴旭

来源：吉林大学学报(信息科学版), 2022, 40(05): 819-828.

DOI：10.19292/j.cnki.jdxxp.2022.05.013

• 学生心理健康状态预测
• 学生行为数据
• 粒子群优化算法
• 劣势粒子的识别与变异
• 神经网络

为解决大学生心理健康状态识别问题，基于学生消费、上网和心理测评结果数据，首先应用Jenks Natural Breaks算法进行特征分类，然后根据特征分类结果使用Apriori算法进行特征关联分析，以挖掘与学生心理健康状态具有一定相关性的行为特征。最后，基于粒子群优化算法改进了惯性权重，并增加了对劣势粒子进行识别变异和选择的过程，以避免算法陷入局部最优解，同时使用萤火虫扰动策略加速粒子群向全局最优解收敛，构建了PDNN(Particle Difference Neural Network)神经网络模型用于预测学生的心理健康状态。在学生行为特征数据集上的实验结果表明，所提出的模型优于传统的机器学习和相关深度学习模型，并可以快速收敛，能更加有效准确地预测学生的心理健康状态。

• 单位
  长春理工大学