
-
生物通官微
陪你抓住生命科技
跳动的脉搏
一种基于图像识别和强化学习优化大学生心理调节策略的算法
《Scientific Reports》:An algorithm for optimizing psychological regulation strategies for college students based on image recognition and reinforcement learning
【字体: 大 中 小 】 时间:2026年06月19日 来源:Scientific Reports 3.9
编辑推荐:
摘要随着大学生面临的学术压力和情绪问题日益加剧,需要具备智能且适应性强的心理管理系统。传统的处理方法依赖自我报告问卷和人工咨询,往往具有主观性且缺乏实时灵活性。本研究旨在利用图像识别和强化学习技术开发一种优化心理调节策略的算法,该算法采用了加权蝴蝶-双延迟深度确定性策略梯度模型。
随着大学生面临的学术压力和情绪问题日益加剧,需要具备智能且适应性强的心理管理系统。传统的处理方法依赖自我报告问卷和人工咨询,往往具有主观性且缺乏实时灵活性。本研究旨在利用图像识别和强化学习技术开发一种优化心理调节策略的算法,该算法采用了加权蝴蝶-双延迟深度确定性策略梯度模型。研究所需的情感与心理数据来自一个公开的数据集,其中包含约10,000条记录,涵盖20多种能反映不同心理状态的特征。研究应用了两种预处理方法:面部检测与对齐,用于分离并标准化面部区域;以及光照标准化,以减少光照差异的影响。在特征提取方面,采用了局部二值模式算法,提取能够反映压力、焦虑、中性状态及放松程度等情绪特征的纹理特征。强化学习模块则借助加权蝴蝶-双延迟深度确定性策略梯度模型来动态优化心理调节策略。这种先进算法通过结合受加权蝴蝶模型启发的优化策略与双延迟深度确定性策略梯度模型,实现了探索与利用之间的平衡,加快了算法收敛速度,并提升了策略的稳定性。系统会根据情绪状态反馈为大学生选择个性化的干预措施,如放松练习、认知提示以及激励性反馈。加权蝴蝶-双延迟深度确定性策略梯度模型的应用为大学生提供了适应性强、稳定性高且个性化的心理健康支持。实验数据显示,所提出的模型在召回率(0.921)、F1分数(0.927)、精确度(0.934)和准确率(0.913)等方面均优于传统方法。总体而言,这项研究为将基于图像的情绪分析技术与先进的强化学习方法相结合,以实现心理健康管理提供了实用的框架。