【技术实现步骤摘要】
本专利技术提供一种基于特征提取的心理状态评估方法，具体涉及心理健康和深度学习领域。
技术介绍
1、在心理健康评估领域，传统方法很大程度上依赖于心理医生或评估者的主观判断和经验，而主观性可能会影响评估的准确性和可靠性，传统方法所能收集的数据类型和数量有限，无法全面反映被评估者的真实心理状态。
2、企业在实施工程项目的过程中物料供给和设备稳定是影响企业工程进度的关键因素，对企业的工程状态及工作量进行精准预测是提升企业竞争力的有效手段之一，然而，资源供给的变化以及设备的故障等因素往往对预测结果形成干扰，相较于大规模标准化工程模式而言，小规模非标准化模式的工程数据更为杂乱，通过分析历史数据的趋势或者阶段性的工作量均值进行工程进度的预测，预测结果的精准度较低。
3、为了解决上述问题，本专利技术提出了一种基于特征提取的心理状态评估方法，该方法利用先进的数据采集技术和机器学习算法，能够更客观、准确地评估个体的心理状态，通过收集个体的多维特征数据(包括生理数据、行为数据、语言使用特征等)，并运用机器学习算法对这些数据进行分析和预测，从而实现对个体心理状态的全面、客观评估。这种方法不仅提高了评估的准确性和效率，还能更好地满足个性化的心理健康服务需求。此外，随着大数据和人工智能技术的不断发展，基于特征提取的心理状态评估方法还有很大的发展空间和潜力。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种基于特征提取的心理状态评估方法，包括以下步骤：
2、步骤s1、
3、步骤s2、数据预处理：根据人的正常行为和表达为判断依据，对数据进行数据筛选，去除非合理数据、恶意数据及捏造数据；
4、步骤s3、构建数据集：将预处理后的数据分为正常运行数据集和非正常运行数据集，且将采集的特征数据和对应心理状态进行编码；
5、步骤s4、特征提取：生理指标特征提取、行为数据特征提取和语言使用特征提取；
6、步骤s5、模型构建：利用提取出的特征，构建一个基于机器学习的心理状态评估模型，支持向量机分类深度学习模型，并通过验证集进行模型优化，确保模型均方差在0.95以上；
7、步骤s6、心理状态评估与结果输出：将待评估个体的采集数据输入到模型中，进行心理状态评估，模型会输出一个或多个心理状态标签，以及相应的置信度；
8、步骤s7、系统性能更新优化：定期评估模型性能，确保准确性持续符合标准，根据实际识别个体的数据调整和优化模型参数。
9、进一步的，所述步骤s1的具体步骤为：
10、s11：确定数据采集目标和范围，获取来自全面的调查问卷、可穿戴设备、智能手机应用追踪和社交媒体数据的大量样本集，样本集包括生理指标、行为数据和语言使用特征；
11、s12：明确生理指标采集内容，确定需要采集的生理指标，包括心率、血压、呼吸频率，选择合适的可穿戴设备，如智能手环、健康监测手表，以确保能够准确测量这些生理指标；
12、s13、明确行为数据采集内容，列出需要采集的行为数据，包括日常活动量、睡眠模式、饮食习惯，选用现有的智能手机应用程序来追踪和记录这些行为数据，或者设计特定的日志或记录表供参与者填写；
13、s14、明确语言使用方式特征采集内容，确定需要分析的语言使用特征，包括言语情感倾向、言语态度和表达方式；
14、s15、准备数据采集工具和环境，准备相应的数据采集工具，确保网络环境稳定，以便数据能够实时传输和存储；
15、s16、获取参与者同意和进行数据采集培训，解释数据采集的目的、流程以及可能涉及的风险和隐私保护措施、获得参与者的明确同意，并签署相关的知情同意书，对参与者进行培训，确保他们能够正确使用数据采集工具并理解数据采集的要求；
16、s17、执行数据采集，指导参与者开始使用可穿戴设备和智能手机应用进行数据采集，定期监控数据采集的进度和质量，确保数据的完整性和准确性；
17、s18、数据初步处理与验证，对采集到的原始数据进行初步处理，确保数据的完整性和客观性；
18、s19、数据存储与备份，将处理后的数据存储到安全可靠的服务器或存储设备上，并确保数据的加密和安全性，定期进行数据备份，以防数据丢失或损坏，制定数据恢复计划以应对可能的数据丢失情况。
19、进一步的，所述步骤s2的具体步骤为：
20、s21、数据初步筛选，对收集到的原始数据进行初步浏览，了解数据的整体情况和可能存在的问题，根据常识和人的正常行为模式，初步识别出明显不合理、异常或错误的数据记录；
21、s22、设定筛选规则，基于人的正常行为和语言表达习惯，制定一系列数据筛选规则，包括数值范围、出现频率、逻辑关联多个方面，用于自动识别和过滤非合理数据；
22、s23、自动化筛选，通过条件判断、正则表达式匹配等方法，自动去除那些明显不符合规则的数据；
23、s24、人工复核与调整、对自动化筛选后的数据进行人工复核，确保筛选的准确性和完整性，对于模棱两可或复杂情况的数据，进行人工判断和调整，以避免误删或漏删；
24、s25、恶意数据与捏造数据的识别与去除，结合其他信息源，包括用户行为日志、ip地址，分析数据中的异常模式，突然的数据峰值及不合理的分布，并去除伪造或恶意提交的数据；
25、进一步的，所述步骤s3的具体步骤为：
26、s31、数据分类，根据预处理后的数据，将其分为两类：正常运行数据集和非正常运行数据集，正常运行数据集包含表现正常行为或心理状态的数据，而非正常运行数据集则包含异常或偏离常态的行为或心理状态数据；
27、s32、特征编码，包括生理指标、行为数据、语言使用特征，对于分类特征包括睡眠模式、饮食习惯、言语情感倾向、言语态度和表达方式，进行独热编码进行转换，对于连续特征，包括心率、血压和呼吸频率，进行归一化处理确保它们在相同的尺度上，并提高模型的训练效率；
28、s33、心理状态编码，对每种心理状态进行编码，心理状态包括认知的心理状态、情感的心理状态、意志的心理状态和动机的心理状态，简单地将其划分为最佳心理状态、一般心理状态、不良心理状态，而每种心理状态又可细分，为了在数据集中进行标识，将以上三种心理状态进行细分，“1”代表平稳状态、“2”代表焦虑状态、“3”代表抑郁状态、“4”代表压力状态、“5”代表放松状态、“6”代表兴奋状态、“7”代表愤怒状态、“8”代表困惑状态、“9”代表开心状态和“10”代表悲伤状态，其中最佳心理状态包括“5”和“9”，一般心理状态包括“1”和“5”，不良心理状态包括“2”、“3”、“4”、“7”、“8”、“10”；
29、s34、数据与心理状态对应，确保每条数据与相应的心理状态编码相对应，通过在数据集中添加一个新列本文档来自技高网...
【技术保护点】
1.一种基于特征提取的心理状态评估方法，其特征在于，包括：
2.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤S1的具体步骤为：
3.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤S2的具体步骤为：
4.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤S3的具体步骤为：
5.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤S4的特征提取具体为：
6.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤S5的特征提取具体为：
7.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤S6具体为：
8.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤S7的具体步骤为：
9.如权利要求5所述的一种基于特征提取的心理状态评估方法，其特征在于，所述的主成分分析方法具体为：
10.如权利要求7所述的一种基于特征提
...【技术特征摘要】
1.一种基于特征提取的心理状态评估方法，其特征在于，包括：
2.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤s1的具体步骤为：
3.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤s2的具体步骤为：
4.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤s3的具体步骤为：
5.如权利要求1所述的一种基于特征提取的心理状态评估方法，其特征在于，所述步骤s4的特征提取具体为：
6.如权利...
【专利技术属性】
技术研发人员：刘胜坤，黄倩影，栗薪蕊，李伟基，
申请(专利权)人：广东数业智能科技有限公司，
类型：发明
国别省市：
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。