【技术实现步骤摘要】
本专利技术涉及计算机，具体而言，涉及一种基于贝叶斯网络的数据分析方法及系统。
技术介绍
1、目前，在对于心理数据分析时，时常需要用户将整个题库中的心理问题全部回答，从而由这些问题对于用户进行心理分析，但是如果需要清晰的用户进行心理分析，所需要的心理问题过多会造成用户后期不想回答，且存储的数量较多的问题。并且，用户的心理可能随时间的变化而变化，只对用户进行一个时间点的分析无法准确的分析除用户的心理情况。
技术实现思路
1、本专利技术的目的在于提供了一种基于贝叶斯网络的心理数据分析方法及系统，用以解决现有技术中存在的上述问题。
2、第一方面，本专利技术实施例提供了一种基于贝叶斯网络的心理数据分析方法，包括：
3、获得多个时间点的心理数据；所述心理数据表示用户进行心理咨询的提出问题选择的答案类型；
4、根据所述心理数据，通过贝叶斯网络，得到心理图像；多个时间点对应获得多张心理图像；所述心理图像为用像素值表示心理数据之间的关系的图像；
5、将连续时间点的三张心理图像构成时间心理图像集合；n个心理图像对应获得n-2个时间心理图像集合；
6、根据所述时间心理图像集合，通过时间心理变化网络，得到心理特征；n-2个时间心理图像对应获得n-2个心理特征；
7、根据n-2个心理特征进行聚类，得到聚类中心特征；
8、根据所述聚类中心特征，通过分类器，得到心理分析类型。
9、可选的，所述根据所述时间心理图像集合
10、根据所述时间心理图像集合中的两张心理图像，判断心理变化，得到二维变化特征；
11、将时间心理图像集合中的心理图像按照时间从远到近的顺序构建时间心理三维图像；
12、根据所述时间心理三维图像，通过时间心理变化网络，得到三维变化特征；
13、将所述三维变化特征和二维变化特征求平均，得到心理特征。
14、可选的，所述根据所述时间心理图像集合中的两张心理图像，判断心理变化，得到二维变化特征，包括：
15、获得第一心理图像和第三心理图像；所述第一心理图像为时间心理图像集合中对应的时间点小于其他心理图像对应的时间点的图像；所述第三心理图像为时间心理图像集合中对应的时间点大于其他心理图像对应的时间点的图像；
16、将所述第一心理图输入心理判断网络，得到第一心理判断值和第一心理判断特征；
17、将所述第三心理图输入心理判断网络，得到第三心理判断值和第三心理判断特征；
18、将所述第三心理判断特征和第一心理判断特征输入二维变化网络，得到二维变化特征。
19、可选的，通过时间心理变化网络，将所述时间心理三维图像，以三维卷积核以步数为1在图像的宽和高两个方向依次进行卷积，得到三维变化特征。
20、可选的，所述根据所述心理数据，通过贝叶斯网络，得到心理图像，包括：
21、将所述心理数据输入所述贝叶斯网络，得到心理问题输出；所述心理问题输出为当前答案对应的下次提出的心理问题；
22、根据心理问题输出，通过贝叶斯估计，得到概率分布表；
23、根据所述概率分布表，得到概率心理问题；所述概率心理问题表示概率大于其他待选择的心理问题的概率对应的心理问题；
24、获得询问心理问题数量；所述询问心理问题数量表示初始的心理问题到当前的答案对应的心理问题的提问的总数；
25、以心理问题的数量为宽和高构建二值图像；
26、将概率心理问题对应的位置设为1，其他位置的值设为0，得到心理图像；所述心理图像中为1的值表示在询问心理问题数量独赢的下一个心理问题。
27、可选的，所述贝叶斯网络的构建方法，包括：
28、获得训练心理数据和标注心理问题数据；所述训练心理数据表示多个历史用户回答的多个心理问题的答案；所述标注心理问题数据为用户待选择的更能体现心理分析类型的问题；
29、将所述训练心理数据输入贝叶斯网络，得到训练心理问题概率；所述心理问题概率表示回答前一个心理问题能够识别后一个心理问题的概率；
30、根据所述训练心理问题概率和标注心理问题数据，通过损失函数，向后训练贝叶斯网络，得到训练好的贝叶斯网络。
31、可选的，所述根据所述聚类中心特征，通过分类器，得到心理分析类型，包括：
32、将所述聚类中心特征输入全连接神经网络，提取聚类中心特征的特征，得到聚类分析特征；
33、将所述聚类分析特征输入分类器进行分类，得到心理分析类型。
34、可选的，心理判断网络的训练方法，包括：
35、获得心理判断训练集；所述心理判断训练集包括多个训练心理图像和多个对应的标注心理分析类型；
36、将所述训练心理图像输入心理判断网络，得到输出心理分析类型；
37、将所述输出心理分析类型和标注心理分析类型计算损失后向传播，得到训练好的心理判断网络。
38、可选的，二维变化网络的训练方法，包括：
39、获得二维变化训练集；所述训练集包括多个训练心理判断特征和多个对应的标注心理分析类型；
40、将所述心理判断特征输入二维变化网络，得到输出心理分析类型；
41、将所述输出心理分析类型和标注心理分析类型计算损失后向传播，得到训练好的二维变化网络。
42、第二方面，本专利技术实施例提供了一种基于贝叶斯网络的心理数据分析系统，包括：
43、获取模块：获得多个时间点的心理数据；所述心理数据表示用户进行心理咨询的提出问题选择的答案类型；
44、贝叶斯模块：根据所述心理数据，通过贝叶斯网络，得到心理图像；多个时间点对应获得多张心理图像；所述心理图像为用像素值表示心理数据之间的关系的图像；
45、心理图像模块：将连续时间点的三张心理图像构成时间心理图像集合；n个心理图像对应获得n-2个时间心理图像集合；
46、心理变化检测模块：根据所述时间心理图像集合，通过时间心理变化网络，得到心理特征；n-2个时间心理图像对应获得n-2个心理特征；
47、聚类模块：根据n-2个心理特征进行聚类，得到聚类中心特征；
48、分类模块：根据所述聚类中心特征，通过分类器，得到心理分析类型。
49、相较于现有技术，本专利技术实施例达到了以下有益效果：
50、本专利技术实施例还提供了一种基于贝叶斯网络的心理数据分析方法和系统，所述方法包括：获得多个时间点的心理数据。所述心理数据表示用户进行心理咨询的提出问题选择的答案类型。根据所述心理数据，通过贝叶斯网络，得到心理图像。多个时间点对应获得多张心理图像。所述心理图像为用像素值表示心理数据之间的关系的图像。将连续时间点的三张心理图像构成时间心理图像集合。n个心理图像对应获得n-2个时间心理图像集合本文档来自技高网...
【技术保护点】
1.一种基于贝叶斯网络的数据分析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，所述根据所述时间心理图像集合，通过时间心理变化网络，得到心理特征，包括：
3.根据权利要求2所述的一种基于贝叶斯网络的数据分析方法，其特征在于，所述根据所述时间心理图像集合中的两张心理图像，判断心理变化，得到二维变化特征，包括：
4.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，通过时间心理变化网络，将所述时间心理三维图像，以三维卷积核以步数为1在图像的宽和高两个方向依次进行卷积，得到三维变化特征。
5.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，所述根据所述心理数据，通过贝叶斯网络，得到心理图像，包括：
6.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，所述贝叶斯网络的构建方法，包括：
7.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，所述根据所述聚类中心特征，通过分类器，得到心理分析类型，包括：p>
8.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，心理判断网络的训练方法，包括：
9.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，二维变化网络的训练方法，包括：
10.一种基于贝叶斯网络的数据分析系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于贝叶斯网络的数据分析方法，其特征在于，包括：
2.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，所述根据所述时间心理图像集合，通过时间心理变化网络，得到心理特征，包括：
3.根据权利要求2所述的一种基于贝叶斯网络的数据分析方法，其特征在于，所述根据所述时间心理图像集合中的两张心理图像，判断心理变化，得到二维变化特征，包括：
4.根据权利要求1所述的一种基于贝叶斯网络的数据分析方法，其特征在于，通过时间心理变化网络，将所述时间心理三维图像，以三维卷积核以步数为1在图像的宽和高两个方向依次进行卷积，得到三维变化特征。
5.根据权利要求1所述的一种基于贝叶斯网络的数...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。