基于二维卷积神经网络的大学生负性情绪预警模型

摘要：

目的:基于二维深度学习算法提出大学生负性情绪预警模型,增强大学生负性情绪识别的准确性和稳定性.方法:基于13所高校56 837名大学生3类15项特征数据,构建"时间-测度"基于特征灰度的二维卷积神经网络模型(FG-CNN),比较该模型与6类机器学习模型在负性情绪同期预警和跨期预警上的效果.结果:FG-CNN在同期预测上具有94.93％的准确率和0.976的AUC值,在跨期预测上具有91.18％的准确率和0.939的AUC值,均优于一维机器学习结果.结论:学生个体属性和行为模式具有负性情绪预警信息含量,二维深度学习算法可以提高预警精度,为大学生负性情绪认知提供了大数据支撑.

关键词：负性情绪、预警模型、卷积神经网络、特征灰度、机器学习

所属期刊栏目：18

分类号：R319;R749.4(医用一般科学)

资助基金：国家自然科学基金31800915

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：51-56