心理压力是当个体面对需求超出应对资源的情境时的一种情绪和生理反应，描述了个体处于精神或情感压力下的认知感觉，长时间持续处于压力状态会影响健康。通过生理测定评估压力对于主体来说引起的不适感最小，是一种有效的评估手段。本研究以表面肌电信号作为评估参数，以高校即将毕业的学生人群为对象，设计了一套实验室环境下的压力诱发方案。在实验室条件下模拟真实情景，加入多种心理压力因素，如众所周知的高强度噪声以及低亮度光照等。在连续四天中分别使用不同的心理压力源进行实验，避免因采用固定刺激源而可能使被试产生的“适应性”，从而增强实验效果。由于受到诸如环境改变以及对不同刺激源感知状况不同等多种外部因素的影响，不同个体间存在程度不等的差异性，以致影响评估模型的实际效果。如何减小个体差异是目前国际上研究的热点，也是本课题要着重讨论的问题。本研究以支持向量机作为分类器，针对个体差异性提出了两种改进方法，即：基于样本筛选的修改权重支持向量机改进算法与基于支持向量选取的支持向量机改进算法。从不同角度对样本间相关性进行衡量，将样本信息加入机器训练过程，减弱样本差异问题对压力评估工作带来的不利影响。使用自采数据对改进算法进行验证，基于样本筛选的修改权重支持向量机改进算法分类正确率由改进前的75.33%，提高到82.00%，算法运行时间由1365.3s减少到436.3s。基于支持向量选取的支持向量机改进算法心理压力评估分类正确率则提高到82.67%，算法运行时间减少到523.5s。为进一步验证改进算法性能，同时使用Augsburg大学压力数据作为对照。测试结果显示，改进后算法在分类正确率与分类时间上性能均优于普通算法。结果表明，对SVM分类算法进行改进，将样本信息加入模式识别过程中，能够有效地解决个体差异对于心理压力评估效果的影响，同时降低分类器的计算复杂度。