论文部分内容阅读
随着我国高等教育由精英教育转向大众化教育的进程不断发展，因心理健康问题引发的大学生休学、退学甚至自杀等一系列恶性事件不断增多，这不仅给家庭带来巨大压力和悲痛，对学校的正常教学和管理造成不良影响，也给社会造成巨大损失，引起国家、社会及学校的关注。如何正确筛查出有心理健康问题的学生，针对不同类别的学生实施不同级别的关注和监护是高校学生心理危机预防的一个重点和难点。开发高校学生心理管理系统已成为各大高校监控和预防学生心理危机的一个重要手段，各高校的学生管理数据库中已经积累了相当多的数据。然而，目前的学生心理管理系统大都只是客观地记录学生心理健康状态指标，数据处理工作仅仅停留在数据的简单统计、存取、备份、查询等方面，还没有充分利用这些数据，这为数据库及数据挖掘技术在大学生心理危机预防中的应用和发展提供了广阔的资源和空间。本文主要探讨如何将数据挖掘技术应用到当前的学生心理管理系统中，以提高系统在心理危机预防应用中的有效性。主要完成的工作有：1.阐述近年来国内外数据挖掘技术的研究现状及其在大学生心理危机预防系统中的应用现状，分析数据挖掘技术在心理危机预防中应用的可行性及常用的模型和系统设计方法。2.基于前人的理论基础和研究成果，分别设计实现基于CART决策树算法、BP人工神经网络算法和模式识别网络算法的大学生心理数据挖掘模型。3.运用相同的训练数据和测试数据，分别对三种分类挖掘模型进行测试，比较模型的分类精确度，运用贝叶斯公式理论比较三种分类模型的后验概率，综合鲁棒性、可解释性和运行速度，对比三种不同模型各自的优点和缺点，并提出一种综合运用三种方法的数据挖掘模型。4.运用MATLAB2014a的GUI工具，设计并实现综合三种方法的心理数据挖掘内核程序，并将其嵌入到学生心理管理系统中，以提高数据挖掘技术在心理危机预防应用中的有效性。