一种基于深度学习的学生异常行为分析与预警方法

本发明公开了一种基于深度学习的学生异常行为分析与预警方法，具体涉及数据分析技术领域；通过实时采集与学生安全相关的多源行为数据，进行标准化处理后输入深度学习模型提取高层次行为特征，并进一步计算行为波动度与情境行为不一致性指数，生成归一化风险得分；结合分类模型输出结果，识别出风险高但被误判为正常的疑似伪正常样本，并通过局部加权增量支持向量机对模型分类边界进行针对性优化，从而显著提升系统对隐性异常行为的识别能力与预警准确率，增强模型在复杂校园行为场景下的鲁棒性与实用性。