基于多目标量子优化分类器的急诊危重患者关键指标筛选

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.

关键词：指标筛选、多目标优化、量子行为、机器学习

所属期刊栏目：3

分类号：TP181(自动化基础理论)

资助基金：本文系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”;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”

在线出版日期：2020-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：101-112