摘要
本申请涉及聚类分析技术领域,提供了一种基于大数据分析的心理状态诊断方法及其相关设备。通过对多源原始数据进行高精度采集及数据清洗获得高可信度的初级数据集,对初级数据集进行多模态深度特征提取获得多样化模态特征集,对多样化模态特征集进行时域对齐及降维融合拼接获得精简特征,对精简特征进行无监督聚类分析处理获得情绪模式簇标签,从而结合精简特征进行联合深度解码及可解释性基准分析获得诊断概率分布以及归因图谱,最终对诊断概率分布及归因图谱进行动态反馈优化及可视化展示处理获得交互诊断报告界面。本申请通过多模态融合、无监督模式挖掘、可解释深度推理与动态反馈,提升心理状态诊断的准确性、效率与可信度。
技术关键词
状态诊断方法
模态特征
无监督聚类分析
多模态深度
归因
解码模型
心理
图谱
标签
数据
轻量级卷积神经网络
时间偏移估计
状态诊断装置
报告
聚类分析技术
编码向量
模式
时序
空间特征提取
系统为您推荐了相关专利信息
等级识别方法
多模态特征
压力
等级划分方法
目录
多模态特征
分布式协同控制
数据特征提取
电力系统运行状态
策略
机器人
自动化测试方法
车载传感器
车辆
多模态特征
病害识别方法
多光谱特征
多模态特征
时序特征
图像