您当前的位置：
首页 > 文献资料
所属专业：
训练样本文献资料
-
基于数据挖掘的围绝经期综合征中医证候分类算法分析
目的：采用现代中医诊断技术结合人工智能分析方法进行围绝经期综合征中医辨证研究，以期建立佳证候分类方法。方法门诊收集围绝经期综合征患者四诊信息，按照中医辨证标准进行证型分类，采用贝叶斯网络算法、K近邻算法、支持向量机算法3种常用数据挖掘分类算法对围绝经期综合征四诊信息数据进行分析。结果分别得出在相同训练、测试样本数据下3种算法建立围绝经期综合征中医证候模型所需时间、分类准确性、覆盖率及margin曲线，分析了训练样本数量对3种算法的影响，并对3种算法所建立模型进行了评价。结论在围绝经期综合征证候分类效果方面，贝叶斯网络算法优于其他2种方法。
-
基于支持向量机的医护资源需求预测
目的 预测医疗护理资源需求,实现医护资源优管理.方法 对海量医护数据进行分析和统计,利用近邻域思想提取数据特征及训练样本集;结合人工智能领域的支持向量机(SVM)算法建立医护资源调配的数学模型;依赖新的数学模型,医护管理人员可以对未来可能发生的医护资源需求进行预测以优化资源调配方案.根据建立的数学模型,对本院5个科室的历史数据进行分析建模,得到预测结果.结果 预测结果表明基于数据驱动的新型医护资源调配模型在历史数据驱动下能有效预测未来的医疗护理资源需求,5个科室中预测准确率为92％～94％,平均预测准确率达93％.结论 基于数据驱动的医疗护理资源管理在现代医院中具有广泛的应用前景,在提高护理管理水平方面能发挥重要作用,为实现智能医院探明方向.
