摘要
本发明公开了一种学生心理状态识别智能筛查方法及系统,属于数据分析技术领域,通过获取连续时间段内的学生心理日志数据并进行标准化清洗,提取情绪波动幅度特征与上下文关联性特征,基于两者综合计算情绪连贯性指数,用以量化情绪演变的复杂程度;进一步,在不同情绪连贯性指数区间内评估传统模型的分类准确率,若在高复杂度区间检测到准确率低于预设阈值,则动态调整反映时间序列特征的数据输入量,并对调整后的模型进行迭代训练与优化,通过本发明,能够显著提升心理状态识别系统在情绪复杂变化场景下的检测准确率和干预及时性,有效减少假阴性,提高心理健康风险筛查的智能化与精准化水平。
技术关键词
心理状态识别
机器学习模型
筛查方法
分类准确率
时间序列特征
学生
指数
上下文特征
数据
日志
时间段
智能筛查系统
特征提取模块
表达式
文本情感倾向
状态识别系统
复杂度
情感分析模型
系统为您推荐了相关专利信息
健康评估方法
关键绩效指标
机器学习模型
库存周转率
随机森林
时间序列数据库
原始图像数据
管理方法
分类机器
包装袋
图像分类神经网络
自动搜索方法
编码器
解码器
前馈神经网络
流域径流预报
融合注意力机制
递归神经网络
水文模型
网络架构
法医物证
智能分析方法
智能分析系统
区块链技术
优化机器学习