慢性心理压力会带来一系列的病理、生理风险,直接影响健康。有效地评估心理压力,一直是心理压力研究中的热点问题。在心理压力评估过程中,个体差异是影响评估效果的关键。本研究针对评估心理压力/非压力反应中个体差异问题,以表面肌电信号作为评估参数,以高校即将毕业的学生人群为对象,提出了一种改进的支持向量机心理压力评估算法。算法通过对样本聚类,并将聚类信息赋予支持向量机的损失函数,实现训练样本的筛选,针对筛选后出现两类样本不平衡问题,为损失函数赋予权重来降低分类器的预测倾向性,减少训练模型的误差,补偿不平衡样本数据所造成的影响。心理压力评估分类正确率由改进前的70.34%,提高到79.31%,算法运行时间由改进前的2026.5 s减少到541.3 s。结果表明,该算法可以有效地解决个体差异对于心理压力评估效果的影响,同时降低了分类器的计算复杂度,为心理压力评估中个体差异研究提供一种可行的方案。