基于大数据的学生情绪异常波动风险评估仿真

摘要

学生情绪伴随着学习、生活产生,其影响因素较多,且情绪波动无规律性,导致情绪异常波动的评估难度较大。因此构建一种基于大数据的学生情绪异常波动风险评估模型。利用高清摄像机综合分析学生面部和颈部的肌肉振动频率与幅度,构建微表情序列相似性矩阵,计算全部序列相关性特征,叠加时间注意力分支特征和初始特征完成学生情绪状态数据的采集;依据情绪数据集,获得情绪异常波动风险评估指标,通过德尔菲技术调查法消除并降低指标权重分配随机性;利用1-9标度法组建风险评估矩阵并采取一致性检测,计算评估矩阵中各行因素的积并划分指标权重,获得不同层次因素对评估目标的权重总值,完成学生情绪异常波动风险的评估。实验结果表明,所构建模型的风险评估准确率与效率均较高,在学生心理健康分析方面实用性较强。