摘要：对大数据下大学生不良心理进行研究，可更好地保障每个大学生身心发展。通过对奋进教育资源的选择，分析大学生心理状态．需要获取造成大学生不良心理的核心因素，对不同类别样本进行训练。传统方法先生成一系列低维特征子空间，在每个子空间内对大学生奋进情绪类型进行识别，但忽略了对样本进行训练，导致资源选择的精度偏低。提出基于大数据下大学生奋进教育资源选择方法。利用深度网络结构的函数表达能力将应激心理样本分为不同的类型，并对类间边界点近邻关系进行描述，获取造成大学生奋进核心因素，融合于PCA理论对不同类别的主要应激类型样本进行训练，给出衡量大学生奋进表现的～个指标阈值，并提出基于大数据下大学生奋进教育资源选择方法。仿真证明，所提方法分析精度较高，可以为保障大学生的心理健康提供科学的依据。

简介：《计算机仿真》（CN：11-3724/TP）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社