科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
