1.一種基于大數據分析的心理自我治愈系統包括以下步驟：

步驟1、獲取用戶有關的指標信息，包括基本信息、性格信息等

步驟2、建立心理自我認知多重狀態模型

步驟3、通過自我治療不斷干預治療過程，矯正誤差

步驟4、通過大數據挖掘算法分析為用戶提供自我治療方案。

2.如權利要求1所述的心理自我治愈系統，其特征在于：

所述步驟1進一步包含以下步驟：

步驟1.1用戶的年齡、性別、宗教、民族、文化程度、體重、惡疾、體溫、職業、婚姻狀況、有無精神病史、是否獨生子女等

步驟1.2 用戶的心理檢查，包括兩個方面內容:1. 觀察印象：（可通過視頻或照片等形式）主要描述用戶是否準時（或提前），外表（魅力/缺陷），體型（胖、瘦、健壯等），衣著（整潔與否），打扮（是否合乎身份，怪異，新潮），姿勢，動作（刻板動作、無意識動作等），情緒表現（不在乎、低落、高興），與心理咨詢師的互動關系（配合、阻抗）和態度（平等、尊敬等），與同行的其他人的關系（沖突、順從等）2心理測評結果：描述測驗名稱和測驗結果，主要描述用戶的生理狀態（身高、BMI、睡眠健康、病史等），情緒狀態（緊張度、愉悅度、強度等），認知，行為，社會交往等。

3.如權利要求1所述的心理自我治愈系統，其特征在于：

所述步驟2進一步包含以下步驟：

步驟2.1通過自我理論，和大數據分析，挖掘對自我多重狀態的評估，包括“現實自我狀態”、“理想自我狀態”、“渴望成為的自我狀態”、“恐懼的自我狀態”以及“隱藏的真實自我狀態” 。

4.如權利要求1所述的心理自我治愈系統，其特征在于：

所述步驟3進一步包含以下步驟：建立自我認知識庫，對用戶自我治療進行有效干預。

5.如權利要求1所述的心理自我治愈系統，其特征在于：

所述步驟4進一步包含以下步驟：

步驟4.1在數據挖掘算法中，高緯聚類動態分析技術是解決問題的辦法，由于目前心理學數據多維度、多元結構、動態數據等特點，導致數據庫規模越來越大，數據的復雜度也越來越高，傳統聚類算法（K-means）已經不再適合，降維是高緯聚類分析的一個關鍵技術，本項目采用基于非結構矢量場數據的投影算法，把多維矢量數據按權值逐級投影到低緯空間，使高維聚類分析問題轉換成低緯聚類分析問題，再通過K-means求解，（算法舉例：X1,X2,X3,X4,X5，五個維度，通過X1,X2,X3投影到Y1,Y2,第二次通過Y1,Y2,X4投影到Z1,Z2,通過Z1,Z2,X5投影到U1,U2，然后通過K-means來分析）。