首页> 中文期刊> 《自动化与仪器仪表》 >基于多参数采集和深度学习的心理测试仪设计

基于多参数采集和深度学习的心理测试仪设计

         

摘要

为解决社会心理测量传统技术效率低、准确性低的问题,研究将多参数采集技术与深度学习算法相结合,以图卷积网络为基础,设计了一种基于二分图卷积网络模型的心理危机测试算法,并将其与心理测试仪进行嵌合设计。研究通过模拟实验的方式进行检测效果测试。结果显示BGCN-undirected模型的准确率为88.63%,精确率为86.31%,召回率为66.67%,F1值为61.30%,在模型对比中均占据性能优势,同时随着迭代次数的增加,Loss变化曲线呈现出稳定下降轨迹,而准确率与F1值曲线则呈现出前期波动幅度大,后期波动幅度小,前期下降速度快,后期趋于稳定的变化趋势,这说明迭代后期模型有能力进行稳定的准确测试。由此可见模型可以进行准确的心理测试,有利于社会心理测试的积极展开。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号