基于集成学习算法的高职生心理健康预测方法

熊祖涛

摘要：针对高职院校学生存在的心理健康问题现状，提出一种利用集成学习算法——Adaboost进行心理健康预测的方法。该方法首先抽取心理健康测试数据特征，经过数据清洗和规范化处理后，以决策树为分类器对数据进行挖掘分析，运用Adaboost算法对决策树分类器进行多轮迭代训练以提高分类器的分类效能，建立起一种心理健康预测模型。利用该模型对某高校2015级2 780名学生的心理健康测试数据进行了分析。实验结果表明，该方法能够实现对敏感心理问题的有效识别，从而为高职院校心理健康教育提供规划和决策依据。

关键词：Adaboost算法；高职生；心理健康；预测方法；决策树

DOIDOI：10.11907/rjdk.161681

中图分类号：TP319文献标识码：A文章编号：1672-7800（2016）006-0162-03

参考文献：

[1]余嘉元.粗糙集和神经网络在心理测量中的应用[J].心理学报，2008（8）：939-946.

[2]余嘉元.基于遗传算法的模糊综合评价在心理测量中的应用[J].心理学报，2009（10）：1015-1023.

[3]晏杰.决策树算法的研究及其在大学生心理健康数据处理中的应用[J].江汉大学学报：自然科学版，2015（4）：371-375.

[4]高广银，刘姜，丁勇.基于Vague集及隐马尔科夫的大学生心理危机预测[J].上海理工大学学报，2015（4）：380-384，391.

[5]李哲，张映雪，胡蕙.聚类分析在大学生心理健康管理中的应用[J].湖北工程学院学报，2014（6）：53-57.

[6]何广东.数据挖掘技术在大学生心理问题分析中的应用研究[D].保定：河北大学，2013.

[7]李梦然.基于Logistic和决策树模型的大学生亚健康状况及影响因素分析[D].北京：北京交通大学，2015.

[8]黄中海.数据挖掘在高校学生心理危机预防中的应用[D].武汉：武汉科技大学，2015.

[9]付忠良.关于AdaBoost有效性的分析[J].计算机研究与发展，2008（10）：1747-1755.

[10]曹莹，苗启广，刘家辰，等.AdaBoost算法研究进展与展望[J].自动化学报，2013（6）：745-758.