论文摘要
【目的】解决急诊危重患者指标规模庞大、筛选方式主观性强、医生决策难度大的问题。【方法】将基于量子行为的多目标粒子群算法与机器学习分类器结合,提出一种利用少量指标实现较高患者状态识别率的关键指标筛选方法,并与两种既有指标筛选方法进行对比。【结果】该指标筛选方法增大了搜索空间、有效降低了数据维度,具有更高的患者状态识别精度,并且筛选出的指标具有明显的临床意义。【局限】指标的重要性需单独计算,当数据量较大时,会增加计算复杂度。【结论】将多目标优化思想与机器学习进行结合,有效提升了患者状态识别精确率和F值。
论文目录
文章来源
类型: 期刊论文
作者: 李静,潘舒笑,李雪岩,贾立静,赵宇卓
关键词: 指标筛选,多目标优化,量子行为,机器学习
来源: 数据分析与知识发现 2019年12期
年度: 2019
分类: 信息科技,医药卫生科技
专业: 临床医学,急救医学,自动化技术
单位: 北京交通大学经济管理学院,北京联合大学管理学院,中国人民解放军总医院
基金: 北京市社会科学基金项目“大数据时代面向首都精细化管理的城市发展研究”(项目编号:19ZDA05),北京联合大学基金项目“基于大数据的首都城市精细化管理提升研究”(项目编号:WS10201902)的研究成果之一
分类号: TP181;R459.7
页码: 101-112
总页数: 12
文件大小: 793K
下载量: 156