首页|基于量表大数据的深度神经网络抑郁分类模型

基于量表大数据的深度神经网络抑郁分类模型

扫码查看
原文链接
  • 万方数据
  • 维普
针对抑郁相关量表大数据所面临的特征冗余、特征维度单一、特征子集难以确定等问题,提出了一种基于深度神经网络(deep nural network,DNN)的抑郁分类模型.通过结合主成分投影k-means(principal component,PC k-means),在不破坏原有特征空间的条件下对量表大数据进行特征选择,并对原始算法的随机性与聚类个数不确定的问题进行了优化;在此基础上,为了增强抑郁识别维度的多样性,构建了引入因子分解机(factorization machines,FM)的DNN抑郁分类模型.分析和对比结果表明:PC k-means不仅可以有效地选择特征,而且与传统分类器和FM-DNN结合,更能提高抑郁分类的准确率,为深度学习引入量表大数据分析提供了新的研究思路与方向.
Deep neural network depression classification model based on by scale big data

成也、杨镇恺、姚力、王新波、赵小杰

展开 >

北京师范大学人工智能学院,智能科技与教育应用教育部工程研究中心,100875,北京

中国教育科学研究院,100088,北京

抑郁症 心理量表 大数据 特征选择 深度神经网络

国家自然科学基金国家自然科学基金

6187104061731003

2021

10.12202/j.0476-0301.2021205

北京师范大学学报(自然科学版)
北京师范大学

北京师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.505
ISSN：0476-0301
年,卷(期)：2021.57(6)
  • 2