基于数据驱动的大学生心理健康风险识别研究

为了提高大学生心理健康风险识别的准确性和稳定性，提出基于数据驱动的大学生心理健康风险识别方法。利用改进的iForest算法从数据库中读取到的大学生心理健康数据中筛选出异常候选数据，采用基于凝聚k-means的决策簇分类器，从建造在由异常候选数据组成的训练数据集上的一系列自上而下的嵌套式聚类中的树上提取分类模型，并从中抽出一些含有高置信度的决策簇来分类未标记样本，实现大学生心理健康风险识别。实验结果说明，所提方法对不同刺激下以及不同专业大学生心理健康风险识别的精度均高于95%,稳定性强，且当簇数目为2时所提方法的分类区域特征可以更好地被表示出来。