鐘曉虹

（閩西職業(yè)技術(shù)學院，福建 龍巖 364021）

1 引言

隨著大學招生規(guī)模的不斷擴展，學生數(shù)量不斷上升，大多數(shù)學生是獨生子女，進入大學后，部分學生適應能力和獨立生活能力相對較差，再加上學業(yè)、就業(yè)以及社會多方面壓力，一些學生出現(xiàn)了不同程度的心理健康問題[1-3]。近些年，由于心理健康問題引起的一些惡性事件在高校出現(xiàn)的概率越來越高，如何減少心理健康問題的發(fā)生，保證大學生心理健康是當前高校面臨的一個難題[4-6]。

為了及時、有效掌握發(fā)現(xiàn)大學生心理健康變化規(guī)律，許多專家、高校老師以及研究人員進行了一系列的研究，提出了許多大學生心理健康服務平臺[7]，通過心理健康服務平臺對一些與心理健康相關的數(shù)據(jù)進行分析，跟蹤大學生心理變化趨勢，識別一些心理健康有問題的學生，并對其制定相應預案。有學者提出了如基于QT技術(shù)的網(wǎng)絡心理健康平臺[8]、基于互聯(lián)網(wǎng)技術(shù)的網(wǎng)絡心理健康平臺[9]、移動終端的網(wǎng)絡心理健康平臺等[10-11]。這些平臺在實際應用中，均存在一些不足，如無法進行心理健康在線服務，且心理健康問題具有海量性，心理健康數(shù)據(jù)分析效率低[12]。

云計算技術(shù)集成了互聯(lián)網(wǎng)絡技術(shù)、并行計算技術(shù)、通信技術(shù)，適合于海量的心理健康數(shù)據(jù)分析[13-14]。為了改進當前服務平臺存在的不足，以獲得理想的服務效果，本文設計了基于云計算技術(shù)的大學生心理健康在線服務平臺，并通過具體實例和對比分析，驗證了該平臺的特性。

2 云計算大學生心理健康在線服務平臺

2.1 大學生心理健康在線服務平臺的架構(gòu)

基于云計算的大學生心理健康在線服務平臺采用多層結(jié)構(gòu)進行設計，各層之間具有一定的關聯(lián)性，每一層包括多個模塊，各個模塊具有一定的功能，同一層模塊相對獨立，服務平臺易擴展，自適應能力強，該平臺的基本架構(gòu)如圖1所示。

2.2 平臺功能模塊設計

平臺包括：數(shù)據(jù)采集層、數(shù)據(jù)傳輸層、云計算層、結(jié)果展示層，具體描述如下：

(1) 數(shù)據(jù)采集層。該層是實現(xiàn)大學生心理健康在線服務的基礎，通過一些設備對大學生心理健康數(shù)據(jù)進行采集，并對這些設備進行統(tǒng)一管理。設備包括：各種類型傳感器以及攝像機，其中傳感器采集大學生心理指標數(shù)據(jù)、攝像機用于學生身份信息的采集和認證；

(2) 數(shù)據(jù)傳輸層。采用多種網(wǎng)絡進行大學生心理健康數(shù)據(jù)的接收、傳輸以及存儲；

(3) 云計算層。該層是大學生心理健康在線服務平臺的核心層，又可以細分為：數(shù)據(jù)預處理層、數(shù)據(jù)智能分析層、信息服務層，它們相互配合實現(xiàn)大規(guī)模大學生心理健康數(shù)據(jù)挖掘、分析、融合。子層具體描述如下：

a) 數(shù)據(jù)預處理層。大學生心理健康數(shù)據(jù)類型多，量綱不一樣，同時數(shù)據(jù)可能存在一些以噪聲形式表現(xiàn)的無用數(shù)據(jù)，該層主要功能為：數(shù)據(jù)分類，將數(shù)據(jù)劃分為多個類別，對數(shù)據(jù)進行歸一化操作，使它們的值處于同一個區(qū)間內(nèi)，并去除其中噪聲，提高大學生心理健康數(shù)據(jù)的質(zhì)量，便于后續(xù)數(shù)據(jù)智能挖掘與分析；

b) 數(shù)據(jù)智能分析層。其最為關鍵，主要通過引入一些數(shù)據(jù)挖掘技術(shù)擬合大學生心理健康變化規(guī)律，通過云計算分布式技術(shù)同時將大學生心理健康分析任務分配給各個節(jié)點并行處理，對各節(jié)點的數(shù)據(jù)處理結(jié)果進行融合，得到大學生心理健康狀態(tài)；

c) 信息服務器。即將大學生心理健康狀態(tài)以消息、語音、視頻方式存儲起來，為結(jié)果展示層提供相應信息；

(4) 結(jié)果展示層。該層是大學生心理健康服務平臺的最外層，主要負責將健康狀態(tài)分析結(jié)果發(fā)送給大學生或者心理咨詢師，實現(xiàn)大學生心理健康服務。

2.3 云計算平臺的基本結(jié)構(gòu)

隨著計算機技術(shù)、信息技術(shù)、自動化技術(shù)以及模式識別技術(shù)不斷發(fā)展，每天產(chǎn)生大量的數(shù)據(jù)，傳統(tǒng)單機方法對這些數(shù)據(jù)處理的速度已經(jīng)達到了瓶勁，從技術(shù)層面上無法實現(xiàn)突破，在該背景下，出現(xiàn)了云計算技術(shù)[15]。云計算技術(shù)將一些單機組織在一起，采用并行方式進行運行和管理，具有強大的數(shù)據(jù)處理能力，一個大型任務被細分為多個子任務，對每一個子任務分配一個普通計算機(節(jié)點)，更快完成任務的處理速度。云計算平臺的基本結(jié)構(gòu)見圖2。

2.4 大學生心理健康服務數(shù)據(jù)處理方式

為了滿足大數(shù)據(jù)的處理需求，云計算平臺采用MapReduce 方式對數(shù)據(jù)進行處理，包括Map 和Reduce 函數(shù)。具體處理方式為：首先讀取大學生心理健康數(shù)據(jù)，分成多個小規(guī)模的數(shù)據(jù)，Map 函數(shù)為每一個小規(guī)模數(shù)據(jù)分配一個節(jié)點，每一個節(jié)點并行對數(shù)據(jù)進行并行處理，得到相應的處理結(jié)果，然后采用Reduce函數(shù)對節(jié)點的處理結(jié)果進行融合，并將大學生心理健康數(shù)據(jù)存儲到服務器中，具體如圖3所示。

2.5 大學生心理健康服務的數(shù)據(jù)挖掘

大學生心理健康服務數(shù)據(jù)挖掘本質(zhì)是將其劃為多種等級，如正常、異常，異常又可以細分為嚴重、中等、輕度，實際是一種多分類問題。為此本文引入數(shù)據(jù)挖掘技術(shù)中的支持向量機對大學生心理健康狀態(tài)進行分類，該算法在普通節(jié)點上實現(xiàn)，所有普通節(jié)點得到的結(jié)果在服務器進行融合和輸出。

支持向量機算法尋找一個最優(yōu)分類超平面對大學生心理健康狀態(tài)進行分類，該平面盡可能將各類大學生心理健康狀態(tài)區(qū)分開來。設大學生心理健康服務數(shù)據(jù)集合：{xi，yi}，i=1，2，…，n，xi表示大學生心理健康特征；yi表示大學生心理健康狀態(tài)的類型，最優(yōu)該超平面可以描述

式中，ω和b是待求解權(quán)值向量和偏移向量。

對式(1)中權(quán)值和偏移向量進行直接求解，一般無法實現(xiàn)，因此需要對式(1)進行一定的變換，得到一個與其求解過程等價的形式，通過引入松弛因子ξi變化一個二次化問題，具體如下

式中，C為支持向量機的懲罰參數(shù)。

為進一步簡化求解過程，采用Lagrange乘子(αi)設計式(2)的對偶形式，得到

根據(jù)式(3)得到Lagrange 乘子的值，從而得到ω的計算公式為

大學生心理健康狀態(tài)分類的決策函數(shù)具體如下

大學生心理健康服務數(shù)據(jù)具有一定的非線性，引入核函數(shù)k(x，xi)代替點積操作Φ(xi)Φ(xj)，這樣式(5)變?yōu)?/p>

對于云計算平臺中的每一個節(jié)點，根據(jù)式(6)可以得到基于支持向量機的大學生心理健康狀態(tài)分類結(jié)果，在服務器中對健康狀態(tài)分類結(jié)果進行融合，從而得到最終結(jié)果，根據(jù)最終結(jié)果判斷學生是否存在心理健康問題。

3 仿真測試

3.1 測試對象以及云計算平臺設置

為分析基于云計算的大學生心理健康在線服務平臺的性能，采用具體實例進行測試，隨機選取某省多名大學生作為測試對象。該云計算平臺包括一個云服務器，20個普通節(jié)點，服務器主要負責對普通節(jié)點進行管理、協(xié)調(diào)和控制，而普通節(jié)點主要負責心理健康在線服務，配置如表1所示。

表1 云計算的服務器和普通節(jié)點配置

構(gòu)建大學生心理健康在線服務平臺，界面如下圖所示。

3.2 平臺工作效率測試

對于一個心理健康服務平臺，工作效率十分關鍵，直接影響大學生心理健康在線、實時性，統(tǒng)計不同規(guī)模數(shù)據(jù)量下平臺的響應時間，在相同條件下，選擇基于QT 技術(shù)和Android的心理健康服務平臺進行對比測試。從圖5可知，隨著心理健康分析數(shù)據(jù)不斷增加，所有平臺的響應時間上升，其中QT 技術(shù)的響應時間上升幅度最大，其次為Android，而本文平臺的響應時間上升幅度小，表示本文平臺的工作效率最高，這主要是因為本文平臺引入云計算技術(shù)對大學生心理健康分析問題進行并行處理，加快了數(shù)據(jù)處理速度，能夠滿足現(xiàn)代大學生心理健康服務數(shù)據(jù)向大規(guī)模發(fā)展的要求，可以實現(xiàn)心理健康在線服務要求。

3.3 大學生心理健康評測精度分析

對于一個大學生心理健康在線服務平臺來說，評測精度十分重要，同樣采用兩種平臺進行對照實驗，進行10次仿真實驗，每一次選取對不同數(shù)量大學生作為測試對象，統(tǒng)計每一次實驗的心理健康評測精度，結(jié)果如圖6所示。對圖6的評測精度進行分析可知，QT 平臺的評測精度最低，本文平臺的評測精度最高，這是因為本文引入了數(shù)據(jù)挖掘技術(shù)對大學生心理健康狀態(tài)進行分類，高精度描述了學生心理健康變化規(guī)律，準確刻畫了每一個學生心里健康狀態(tài)，可根據(jù)評測結(jié)果制定相應大學生心理健康問題預防方案，降低心理健康問題發(fā)生概率。

4 結(jié)束語

大學生心理健康問題直接影響學生情緒和高校穩(wěn)定，是國家和社會關注的焦點，為了適應當前大學生心理健康的發(fā)展要求，提供更優(yōu)的大學生心理健康服務質(zhì)量，設計了基于云計算的大學生心理健康服務平臺。通過云計算技術(shù)構(gòu)建服務平臺，服務器通過分布式技術(shù)將各個節(jié)點連接在一起，在各節(jié)點上引入數(shù)據(jù)挖掘技術(shù)擬合大學生心理健康變化特點，得到心理健康狀態(tài)，服務器對各節(jié)點結(jié)果進行有效融合，通過網(wǎng)絡將結(jié)果輸出到相應的終端。測試結(jié)果表明，該平臺可以滿足大學生心理健康服務要求，具有十分廣泛的應用前景。