[发明专利]一种基于互联网与云计算的学生心理压力评估方法及系统

权利要求书

1.一种基于互联网与云计算的学生心理压力评估方法，其特征在于，包括：

步骤1：构建心理压力数据库，并上传至云平台；

所述步骤1包括：

步骤1.1：基于心电仪器及脑电仪器采集训练群中被试的心电信号及脑电信号，所述心电仪器及脑电仪器与互联网相连，所述训练群包括多个在校大学生；

步骤1.2：对所述心电信号进行心率变异性特征提取；

步骤1.3：采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

步骤1.4：对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计各被试各类型测试成绩R₁、R₂、R₃及R₄，分别作为各被试的特征；

步骤1.5：对步骤1.2至步骤1.4中提取的特征进行归一化处理，将步骤1.2、步骤1.3中提取的特征与步骤1.4中提取的特征分别进行结合，得到各被试的心理压力特征数据，每个被试对应有4个心理压力特征数据；

步骤1.6：基于各被试的心理压力特征数据对各被试进行分类，共划分为五类：学习压力、生活压力、就业压力、情感压力及正常，得到心理压力数据库；

步骤1.7：将所述心理压力数据库上传至云平台；

步骤2：在云平台上基于所述数据库进行心理压力模型集构建；

所述步骤2包括：

基于所述心理压力数据库训练LSTM神经网络，得到心理压力模型集，所述心理压力模型集包括：学习压力模型、生活压力模型、就业压力模型、情感压力模型及无压模型；在云平台上分别通过心理压力数据库中学习压力、生活压力、就业压力、情感压力及正常心理压力特征数据训练得出；

步骤3：在云平台上根据所述心理压力模型集进行被测心理压力评估；

所述步骤3包括：

步骤3.1：基于心电仪器及脑电仪器采集被试j的心电信号及脑电信号；

步骤3.2：对所述心电信号进行心率变异性特征提取；

步骤3.3：采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

步骤3.4：对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计被试j各类型测试成绩R_j1、R_j2、R_j3及R_j4，分别作为被试j的特征；

步骤3.5：对步骤3.2至步骤3.4中提取的特征进行归一化处理，将步骤3.2、步骤3.3中提取的特征与步骤3.4中提取的特征分别进行结合，得到被试j的心理压力特征数据；

步骤3.6：将被试j的心理压力特征数据输入所述心理压力模型集，在云平台上并行进行匹配，得出所述心理压力模型集中各模型的匹配度；

步骤3.7：设置匹配度阈值，将各模型的匹配度与所述匹配度阈值进行比较，若大于该阈值，则匹配成功，认为被试j拥有该模型对应的心理压力；

步骤3.8：根据所比较结果评估被试j的心理压力等级：

若被试j与无压模型匹配成功，则被试j为心理压力0级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任一模型匹配成功，则被试j为心理压力1级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意两个模型匹配成功，则被试j为心理压力2级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意三个及以上模型匹配成功，则被试j为心理压力3级。

2.一种基于互联网与云计算的学生心理压力评估系统，其特征在于，包括：

心理压力数据库构建模块，用于构建心理压力数据库，并上传至云平台；

心理压力模型集构建模块，用于在云平台上基于所述数据库进行心理压力模型集构建；

心理压力评估模块，用于在云平台上根据所述心理压力模型集进行被测心理压力评估；

所述心理压力数据库构建模块包括：

第一信号采集子模块，用于基于心电仪器及脑电仪器采集训练群中被试的心电信号及脑电信号，所述训练群包括多个在校大学生；

第一特征提取子模块，用于对所述心电信号进行心率变异性特征提取；

第二特征提取子模块，用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

第三特征提取子模块，用于对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计各被试各类型测试成绩R₁、R₂、R₃及R₄，分别作为各被试的特征；

第一归一化子模块，用于对第一特征提取子模块、第二特征提取子模块及第三特征提取子模块中提取的特征进行归一化处理，将第一特征提取子模块、第二特征提取子模块中提取的特征与第三特征提取子模块中提取的特征分别进行结合，得到各被试的心理压力特征数据，每个被试对应有4个心理压力特征数据；

分类子模块，用于基于各被试的心理压力特征数据对各被试进行分类，共划分为五类：学习压力、生活压力、就业压力、情感压力及正常，得到心理压力数据库；

数据上传模块，用于将所述心理压力数据库上传至云平台；

所述心理压力模型集构建模块具体用于：

基于所述心理压力数据库训练LSTM神经网络，得到心理压力模型集，所述心理压力模型集包括：学习压力模型、生活压力模型、就业压力模型、情感压力模型及无压模型；在云平台上分别通过心理压力数据库中学习压力、生活压力、就业压力、情感压力及正常心理压力特征数据训练得出；

所述心理压力评估模块包括：

第二信号采集子模块，用于基于心电仪器及脑电仪器采集被试j的心电信号及脑电信号；

第四特征提取子模块，用于对所述心电信号进行心率变异性特征提取；

第五特征提取子模块，用于采用小波熵与近似熵相结合的压力脑电情感特征提取方法对所述脑电信号进行特征提取；

第六特征提取子模块，用于对训练群中被试进行不同类型心理测试题在线测试，所述类型包括：学习、生活、就业及情感，统计被试j各类型测试成绩R_j1、R_j2、R_j3及R_j4，分别作为被试j的特征；

第二归一化子模块，用于对第四特征提取子模块、第五特征提取子模块及第六特征提取子模块中提取的特征进行归一化处理，将第四特征提取子模块、第五特征提取子模块中提取的特征与第六特征提取子模块中提取的特征分别进行结合，得到被试j的心理压力特征数据；

匹配子模块，用于将被试j的心理压力特征数据输入所述心理压力模型集，在云平台上并行进行匹配，得出所述心理压力模型集中各模型的匹配度；

第二比较子模块，用于设置匹配度阈值，将各模型的匹配度与所述匹配度阈值进行比较，若大于该阈值，则匹配成功，认为被试j拥有该模型对应的心理压力；

评估子模块，用于根据所比较结果评估被试j的心理压力等级：

若被试j与无压模型匹配成功，则被试j为心理压力0级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任一模型匹配成功，则被试j为心理压力1级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意两个模型匹配成功，则被试j为心理压力2级；

若被试j与学习压力模型、生活压力模型、就业压力模型或情感压力模型中任意三个及以上模型匹配成功，则被试j为心理压力3级。