摘要
对大数据下大学生不良心理进行研究,可更好地保障每个大学生身心发展。通过对奋进教育资源的选择,分析大学生心理状态,需要获取造成大学生不良心理的核心因素,对不同类别样本进行训练。传统方法先生成一系列低维特征子空间,在每个子空间内对大学生奋进情绪类型进行识别,但忽略了对样本进行训练,导致资源选择的精度偏低。提出基于大数据下大学生奋进教育资源选择方法。利用深度网络结构的函数表达能力将应激心理样本分为不同的类型,并对类间边界点近邻关系进行描述,获取造成大学生奋进核心因素,融合于PCA理论对不同类别的主要应激类型样本进行训练,给出衡量大学生奋进表现的一个指标阈值,并提出基于大数据下大学生奋进教育资源选择方法。仿真证明,所提方法分析精度较高,可以为保障大学生的心理健康提供科学的依据。
A selection method for endeavor education resource of college student based on big data is proposed. Firstly, the ability of function expression Of deep network structure is used to divide sample of stress psychology into different types, and the neighbor relation of boundary point among classes is described, then the core factor causing endeavor of college student is acquired. Moreover, the sample of main type of stress in different categories is trained, and the threshold value of index measuring expression of college student endeavor is provided. Thus, the selection method is proposed. Simulation proves that the method has high analysis precision. It can provide scientific gist for ensuring mental health of college student.
出处
《计算机仿真》
北大核心
2017年第9期214-217,共4页
Computer Simulation
关键词
大数据
大学生奋进
教育资源选择
Big data
College student endeavor
Choice of education resource