数据挖掘技术的心理障碍预测模型研究

摘要：

由于传统心理障碍预测模型存在误差大、预测结果可信度低等不足,无法进行大规模的心理障碍数据分析.为了解决传统心理障碍预测模型存在的缺陷,提高心理障碍预测结果的可信度,提出数据挖掘技术的心理障碍预测模型.首先,采用传感器采集心理障碍相关信号,并对信号进行去噪处理,获得高质量的心理障碍信号;然后,从心理障碍信号中提取特征,并采用数据挖掘技术中的支持向量机对特征和心理障碍类型之间的联系进行训练和学习,构建心理障碍预测模型;最后,在Matlab 2019平台进行心理障碍预测的仿真模拟实验.结果表明,传统模型的心理障碍预测精度低于85％,所提模型的心理障碍预测精度超过90％,且心理障碍预测建模的时间减少,可以满足现代心理障碍预测和分析发展趋势.

关键词：心理障碍、预测模型、数据挖掘、仿真实验、训练精度、训练样本

所属期刊栏目：44

分类号：TN911.1-34;TP301

在线出版日期：2021-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：109-113