小样本情况下病例组合模型求解方法研究

摘要：

目的:探讨建立小样本情况下病例组合模型的意义与模型求解方法.方法:先采用离散型数据聚类方法ROCK对样本进行聚类分组,再用人工神经网络来学习分组规则,训练好的人工神经网络模型便可用于判断预测样本的病例组合情况.结果:实证研究结果表明,523份病例聚为4组,各组间费用95%可信区间互不重合;神经网络的训练误差为0.0029,病例组合预测和判断符合率为94.29%.结论:在建立规范化病例样本库的基础上,寻求小样本情况下的病例组合模型求解方法,有较好的理论和实际价值;小样本情况下病例组合模型不适合采用传统的决策树方法求解,可采用聚类分析和神经网络相结合的方法.

关键词：病例组合、聚类分析、人工神经网络

所属期刊栏目：20

分类号：R311(医用一般科学)

在线出版日期：2007-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：444-446