灰色聚类算法的大学生心理健康智能测评*

邹媛园

（商洛学院健康管理学院 商洛 726000）

1 引言

当前社会新闻上大学生因心理健康问题导致的恶劣事件屡见不鲜，由此大学生心理健康问题引起越来越多的人关注［1］。各大高校中纷纷开设心理健康讲座与咨询等活动，但由于大学生心理特性影响，此类活动收效渐微［2］。因此研究一种有效的大学生心理健康智能测评方法具有重要的社会意义［3］。

当前大学生心理健康测评主要以症状自评量表为基础［4~5］，通过自评量表内的各项内容反映大学生心理健康状态。但随着时代的变化，大学生心理特点逐渐复杂化［6］，测评表内的部分内容已不适用于当前大学生心理健康状态描述。

灰色聚类算法作为一种解决信息缺失系统的数学方法［7］，汇集了自动控制与运筹学方法，可解决大学生心理健康测评中的灰色问题，为此本文提出了基于灰色聚类算法的大学生心理健康智能测评方法，并对其性能进行了测试与分析，结果表明，本文方法提高了大学生心理健康智能测评精度。

2 灰色聚类方法的大学生心理健康智能测评方法

2.1 大学生心理健康评测流程

灰色聚算法测评大学生心理健康流程如图1所示。依据大学共性心理特点构建大学生心理健康智能测评指标体系，量化各指标具体评分，基于所采集的各指标相关数据，构建测评，利用所构建模型测评大学生心理健康水平，获取测评结果。

图1 大学生心理健康评测流程

2.2 大学生心理健康智能测评指标体系构建

时代变迁下，大学生心理健康智能测评的标准也随之变化，因此为获取准确的大学生心理健康测评结果，需参考大学生培养过程中的现实情况，依据大学生共性心理特点构建大学生心理健康智能测评指标体系［8］，如图2所示。

2.3 指标分值量化

依照大学生心理健康程度的差异性，将大学生心理状态指标划分为三个不同灰类［9~10］：较好、普通、病态。针对图2内所示的各指标，对其评分实施具体量化［11］。详细描述如下。

图2 大学生心理健康智能测评指标体系

1）正常的智力水平：该指标得分范围为0~40分，得分低于10分说明智力水平正常；得分在10分~20分之间说明智力存在一定障碍或缺陷；得分高于20分说明智力缺陷症状较为明显。

2）健全的意志力：该指标得分范围为0~40分，得分低于10分说明自主性、决断力、自控力较高；得分在10分~20分之间说明判断、选择、行动过程中存在一定困难；得分高于20分说明自主性、决断力、自控力较差，针对困难与挫折无法给予正确的反应形式。

3）完善的人格特征：该指标得分范围为0~24分，得分低于6分说明自我意识完善，个体想法与行为契合一致；得分在6分~12分之间说明自我同一性普通，有可能存在一定强迫症状等问题；得分高于12分说明个体想法与行为具有显著差异，人格要素不完整，自我意识不完善［12］。

4）稳定的情绪：该指标评分范围为0~52分，得分低于13分说明情绪稳定、心情愉快、具有积极乐观的生活态度；得分在13分~26分之间说明情绪具有一定波动；得分高于26分说明情绪较为不稳定，无法控制调节自身情绪，存在焦虑或抑郁倾向，严重时产生自杀倾向。

5）合理的自我评价：该指标评分范围为0~36分，得分低于9分说明能够恰如其分的认识自己的优势与缺陷，面对现实坚持自信自强、自尊自爱；得分在9分~18分之间说明自我评价能力普遍，需调整自己的心态；得分高于18分说明自我评价整合力较差，无法科学地认知自我，面对困难时取法有效疏导自己的情绪。

6）良好的社会适应：该指标评分范围为0~24分，得分低于6分说明具有良好的社会适应能力；得分在6分~12分之间说明社会适应能力较为普通；得分高于12分说明社会适应能力存在一定问题，易表现出人群恐惧、厌烦、敌对等思想和行为。

7）和谐的人际关系：该指标评分范围为0~36分，得分低于9分说明人际关系较为正常；得分在9分~18分之间说明人际关系普通；得分高于18分说明人际关系较为敏感。

8）与实际年龄相符的心理活动：该指标评分范围为0~24分，得分低于6分说明心理活动与实际年龄相符；得分在6分~12分之间说明心理活动与实际年龄存在微弱差异；得分高于12分说明心理活动与实际年龄存在严重偏差，不具备当代大学生的心理特点。

基于以上八个大学生心理健康评估指标的量化值构建表1所示的大学生心理健康评价指标灰数分类表。

表1 评价指标灰数分类

2.4 灰色聚类算法的大学生心理健康测评具体设计

2.4.1 预备知识

人类认知能力存在一定约束，无法全面认知描述系统运行行为的信息，导致人类实际认知过程中仅可分析系统相关参数的取值范围，利用灰数这一概念能够描述这种仅了解取值范围无法确定具体数值的数［13］。实际应用过程中，灰数可用于任意区间或数集内取值的不确定数描述，可通过⊗表示。在获取部分分布信息的条件下，灰度对其取值范围内各数字的倾向度可通过白化权函数表示。

定义1：以s、n和m分别表示灰类、聚类对象与聚类指标的数量，利用灰色聚类可描述依照对象i（i=1，2，…，n）针对指标j（j=1，2，…，m）的观测值xij将i归入灰类k（k=1，2，…，s）的过程［14］。

定义2：将n个i（i=1，2，…，n）关于j（j=1，2，…，m）的取值相应地分为s个灰类，将其定义为j（j=1，2，…，m）的子类，fjk(·)表示（jj=1，2，…，m）的k子类的白化权函数［15］。

2.4 .2测评构建

采用基于算点三角白化权函数的灰色测评构建大学生心理状态测评，具体过程如下。

1）确定大学生心理健康评价指标灰数分类表内各行指标取值三个小区间［a1，a2］、［a2，a3］、［a3，a4］的几何中点：

2）使λk归属于第k个灰类的（f）值为1，构建( λk，1)同第k-1和第k+1个灰类的几何中心λk-1和λk+1，获取j关于k灰类的fjk(·)。针对fj1(·)与fj3(·)，可分别将j取值向左右延拓至a0，a5。以x表示评估指标体系内某指标的观测值，利用式（2）确定其属于灰类k的隶属度fjk(x)：

3）依照各指标值总分值占评价指标体系整体分值的比例计算综合聚类过程中第j个评价指标的权重Zj，计算公式如下［16］：

式中，Ej和Total分别为第j个评价指标的总分值和指标体系整体分值。

4）xij表示第i个大学生心理健康评估指标j的观测值，在对应的隶属度fjk(·)内引入xij，确定大学生i关于灰类k的综合聚类系数σik。

5）利用式（4）确定大学生i所属灰类k*：

3 应用测试

实验为验证本文设计大学生心理健康智能测评方法的应用效果，以我国某大学建筑专业2019级学生中随机选取5名大学生为应用对象，分别命名为应用对象A、应用对象B、……、应用对象E。

3.1 应用对象初始数据

应用测试过程中根据本文所构建的评估指标体系采集5名应用对象的初始数据，结果如图3所示。

图3 应用对象初始数据

3.2 评价结果

基于图3所示的各应用对象的初始数据采集结果，采用本文方法中的评价模型对评价各应用对象的心理健康水平。图4所示为依照各指标值总分值占评价指标体系整体分值的比例获取的本文方法评价指标体系内各评价指标的权重计算结果。基于图4所示的各指标权重计算结果，获取各应用对象综合聚类系数，结果如图5所示。分析图5得到，应用对象A的心理健康水平处于“病态”灰类；应用对象B、应用对象C、应用对象D和应用对象E心理健康水平处于“普通”灰类。

图4 指标权重计算结果

图5 综合聚类系数计算结果

根据本文方法各指标量化值得分得到，各应用对象指标量化整体分值如图6所示。由图6得到，应用对象A指标量化整体分值达到176分，具有较为严重的心理问题；应用对象B、应用对象C、应用对象D和应用对象E指标量化整体分值在120分~140分之间，具有较轻的心理问题。结合图5内结果可充分说明本文方法的可应用性。

图6 各应用对象指标量化整体分值

3.3 应用效果分析

通过大学生心理健康评价能够了解大学生当前心理健康水平以及存在的主要问题，针对评价结果对其进行心理疏导与相关治疗能够改善大学生心理健康状态。基于以上本文方法获取的各应用对象心理健康评价结果，对其进行针对性心理疏导与相关治疗。治疗期结束后再次采用本文方法对其进行心理健康评价，所得结果如图7所示。由图7得到，根据本文方法评价结果对各应用对象心理状态进行治疗后，各应用对象的心理健康水平均呈现显著提升状态，其中应用对象A的心理健康水平提升幅度最显著。由此充分验证本文方法的应用效果。

图7 二次综合聚类系数计算结果

4 结语

为了获得更优的大学生心理健康智能测评结果，提出了灰色聚类算法的大学生心理健康智能测评方法，应用测试结果显示本文方法是一种具有高度可行性的心理健康测评方法。