基于多源数据整合的大学生多级别心理压力智能预测方法  

作　　者：杜文玲[1] 

机构地区：[1]淮南师范学院,安徽淮南232001

出　　处：《赤峰学院学报（自然科学版）》2023年第9期74-77,共4页Journal of Chifeng University(Natural Science Edition)

基　　金：2020年度安徽高校人文社会科学研究项目(SK2020A0417)。

摘　　要：针对大学生多级别心理压力智能预测过程中数据的来源较为复杂,导致预测结果可信度较低的问题,提出基于多源数据整合的大学生多级别心理压力智能预测方法。采用卡尔曼滤波法完成数据滤波处理,并应用C均值聚类方法完成数据预处理。使用密度函数计算相关数据结构特征值,引入参数估计算法得到最终可应用于心理压力预测的数据样本,实现数据信息结构整合。计算信息增益率确定数据质量,并应用此数据构建新型大学生多级别心理压力智能预测模型。结果表明,此方法可对数据进行高质量处理,并得到可靠性较高的心理压力预测结果,为大学生心理辅导工作提供帮助。

关 键 词：Min-Max方法 多源数据整合 心理压力预测 C均值聚类方法 卡尔曼滤波法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术] B844.2[自动化与计算机技术—计算机科学与技术]