【摘要】：目的:針對房樹人繪畫評定的主觀性問題,本研究應(yīng)用深度學(xué)習(xí)領(lǐng)域成熟的技術(shù)-----卷積神經(jīng)網(wǎng)絡(luò),摒棄傳統(tǒng)房樹人繪畫評定過程中依賴研究者經(jīng)驗提取繪畫特征和分類的做法,使用卷積神經(jīng)網(wǎng)絡(luò)模型自動學(xué)習(xí)房樹人繪畫圖像特征,對繪畫圖像做出反映被試心理行為的正常與異常二分類。方法:(1)本研究在湖南瀏陽、耒陽、長沙等地抽取1074名5--8年級中小學(xué)生,填寫Achenbach青少年行為自評量表并完成房樹人繪畫測驗。依據(jù)量表開發(fā)者和國內(nèi)相關(guān)研究的量表得分劃界準(zhǔn)則,把房樹人繪畫樣本劃分正常與異常兩類,產(chǎn)生有監(jiān)督的房樹人繪畫數(shù)據(jù)集。(2)使用卷積神經(jīng)網(wǎng)絡(luò)模型作為圖像的特征與分類的方法,以繪畫圖像的像素為輸入特征(自變量,feature),分類結(jié)果為標(biāo)簽(因變量,label),放入卷積神經(jīng)網(wǎng)絡(luò)模型中。經(jīng)過卷積、池化、全連接、分類輸出等運算操作,從底層像素矩陣特征到高級語義特征映射,自動學(xué)習(xí)到房樹人繪畫的圖像特征,對房樹人繪畫圖像反映的青少年心理行為做出正常與異常的分類。結(jié)果:(1)依據(jù)Achenbach青少年行為自評量表的劃界標(biāo)準(zhǔn),把1074個被試劃分為正常和異常兩類,其中211個劃歸為異常樣本,863個劃歸為正常樣本,總分異常檢出率為10.4%,8個問題因子至少有一個得分超出臨界值的學(xué)生占測驗總?cè)藬?shù)的20.58%。(2)卷積神經(jīng)網(wǎng)絡(luò)經(jīng)過數(shù)輪的迭代,模型的損失值和正確率基本趨于穩(wěn)定,訓(xùn)練集和測試集的分類正確率在0.90左右,ROC曲線下面積為0.833,F1值為0.89,表明房樹人繪畫圖像的分類具有一定的準(zhǔn)確性,模型具有較好的分類性能。結(jié)論:(1)Achenbach青少年行為自評量表對湖南三個地區(qū)中小學(xué)生測評的心理行為異常檢出率與國內(nèi)的其他研究吻合。(2)無需心理或臨床專家經(jīng)驗提取房樹人繪畫特征,應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)模型有效對房樹人繪畫圖像表征的心理行為進行分類,驗證了該技術(shù)對房樹人繪畫測驗圖像分類診斷的有效性。
【圖文】：

圖４－１量表、房樹人繪畫圖像、卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系圖逡逑

收集的中小學(xué)生房樹人繪畫為Ａ４大小，使用打印機掃描后存為４６８０＊３３０７三逡逑個色彩通道的圖片。圖片包含細節(jié)較少，且像素維度太大，模型在訓(xùn)練過程中消逡逑耗過多的顯卡內(nèi)存資源，統(tǒng)一縮小為２５６＊２５６的ＲＧＢ圖片。如圖４－２所示：逡逑0１邐逡逑５０邋■逡逑］）｜邋ｌｓｒ邋ｒａｉ逡逑－逡逑２５０－［邐ｔ邐＿邐ｔ邐ｔ逡逑Ｑ邋５０邐１００邐１５０邐２００邐２５０逡逑圖４－２房樹人繪畫圖像逡逑不同類別的訓(xùn)練樣本數(shù)目差異過大，會對模型學(xué)習(xí)過程造成干擾，同時不利逡逑于模型性能評估［５７］，本文依據(jù)量表標(biāo)注的異常樣本占２０．邋５８％，正負類的比例約逡逑四比一，為了分類的準(zhǔn)確性，采用過采樣（ｏｖｅｒｓａｍｐｌｉｎｇ）技術(shù)，對異常樣本進行逡逑９０和１８０旋轉(zhuǎn)。得到異常與正常基本均衡的二分類數(shù)據(jù)共１４９８份，其中正類（正逡逑常組）８６５個，負類（異常類）６３３個，，最終進入模型訓(xùn)練的繪畫圖像如表４－６逡逑所示。逡逑表４－６過采樣前后樣本量逡逑原樣本邋過采樣邋輸入逡逑異常邐２１１邐４２２邐６３３逡逑正常邐８６５邐—邐８６５逡逑總樣本邐１０７４邐—邐１４９８逡逑１８逡逑
【學(xué)位授予單位】：湖南師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：B848

【參考文獻】

相關(guān)期刊論文 前10條

1 張鳳華;吳倩;;房樹人測驗在國內(nèi)的應(yīng)用研究[J];臨床心身疾病雜志;2015年05期

2 王振;高茂庭;;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法設(shè)計與實現(xiàn)[J];現(xiàn)代計算機(專業(yè)版);2015年20期

3 仲穩(wěn)山;;房樹人繪畫投射測驗中的色彩心理[J];心理技術(shù)與應(yīng)用;2015年06期

4 朱廷劭;汪靜瑩;趙楠;劉曉倩;;論大數(shù)據(jù)時代的心理學(xué)研究變革[J];新疆師范大學(xué)學(xué)報(哲學(xué)社會科學(xué)版);2015年04期

5 李昂;郝碧波;白朔天;朱廷劭;;基于網(wǎng)絡(luò)數(shù)據(jù)分析的心理計算:針對心理健康狀態(tài)與主觀幸福感[J];科學(xué)通報;2015年11期

6 曹賀;;基于支持向量機的筆跡心理自動分析[J];軟件導(dǎo)刊;2015年03期

7 顧小清;馮園園;胡思暢;;超越碎片化學(xué)習(xí):語義圖示與深度學(xué)習(xí)[J];中國電化教育;2015年03期

8 薛婷;陳浩;賴凱聲;董穎紅;樂國安;;心理信息學(xué):網(wǎng)絡(luò)信息時代下的心理學(xué)新發(fā)展[J];心理科學(xué)進展;2015年02期

9 趙妍;王秋蘊;項錦晶;王琦;;有軀體化癥狀的小學(xué)生的房樹人繪畫測驗特征[J];中國心理衛(wèi)生雜志;2015年02期

10 寶青蘭;;人類雙眼定位原理分析[J];中國科技信息;2015年02期

相關(guān)博士學(xué)位論文 前3條

1 逄淑超;深度學(xué)習(xí)在計算機視覺領(lǐng)域的若干關(guān)鍵技術(shù)研究[D];吉林大學(xué);2017年

2 孟丹;基于深度學(xué)習(xí)的圖像分類方法研究[D];華東師范大學(xué);2017年

3 李彥冬;基于卷積神經(jīng)網(wǎng)絡(luò)的計算機視覺關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 閆蕾芳;基于深度學(xué)習(xí)的圖像分類的研究[D];山東大學(xué);2017年

2 賈軼群;繪畫特征分析在心理評定中的探索性研究[D];南京大學(xué);2017年

3 蔣帥;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別[D];吉林大學(xué);2017年

4 王曙;深度學(xué)習(xí)算法研究及其在圖像分類上的應(yīng)用[D];南京郵電大學(xué);2016年

5 劉m"辰;大五人格與繪畫指標(biāo)體系建立初探[D];云南師范大學(xué);2016年

6 任沙;基于深度學(xué)習(xí)的手寫數(shù)字集特征提取算法[D];湖南師范大學(xué);2016年

7 周凱龍;基于深度學(xué)習(xí)的圖像識別應(yīng)用研究[D];北京工業(yè)大學(xué);2016年

8 吳正文;卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究[D];電子科技大學(xué);2015年

9 王瑞;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別[D];河南大學(xué);2015年

10 謝寶劍;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究[D];合肥工業(yè)大學(xué);2015年

本文編號：2660920