基于支持向量機(jī)的醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警優(yōu)化

陳星,劉靜,狄雪平

（1．湖北省十堰市婦幼保健院，湖北十堰 442000；2．十堰市人民醫(yī)院，湖北十堰 442000）

1 引言

隨著醫(yī)療財(cái)務(wù)改革和建設(shè)的不斷發(fā)展和推進(jìn)，需要結(jié)合計(jì)算機(jī)信息化管理方法，進(jìn)行醫(yī)院的財(cái)務(wù)動態(tài)信息監(jiān)控和預(yù)警，通過建立醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警系統(tǒng)，進(jìn)行醫(yī)院信息化管理建設(shè)，從而提高醫(yī)院財(cái)務(wù)的信息化管理能力[1]。醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警方法是通過對醫(yī)院動態(tài)財(cái)務(wù)信息的動態(tài)特征挖掘和大數(shù)據(jù)融合調(diào)度基礎(chǔ)上，采用相似度特征分析方法，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息智能融合控制[2]，通過醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警設(shè)計(jì)，分析醫(yī)院財(cái)務(wù)信息的相關(guān)性特征量，結(jié)合水平動態(tài)評估和異常監(jiān)測方法，進(jìn)行醫(yī)院財(cái)務(wù)信息的動態(tài)預(yù)警和感知，從而提高醫(yī)院財(cái)務(wù)信息的動態(tài)分析和監(jiān)測能力。

相關(guān)的醫(yī)院財(cái)務(wù)信息預(yù)警系統(tǒng)設(shè)計(jì)方法研究受到人們的極大關(guān)注[3]。國外對財(cái)務(wù)風(fēng)險的研究已經(jīng)建立出較為完整的財(cái)務(wù)預(yù)警模型，適用范圍較廣。特別是“Z-score模型”成果的誕生，拉開了歐美學(xué)者對財(cái)務(wù)風(fēng)險預(yù)警的序幕，為公司財(cái)務(wù)實(shí)證研究開辟了新的領(lǐng)域。在國外研究的基礎(chǔ)上，我國學(xué)者在財(cái)務(wù)風(fēng)險預(yù)警及相關(guān)理論方面取得了重大突破和進(jìn)步。但是目前階段的研究成果仍然集中在定義和管理上，沒有真正做到與時俱進(jìn)，應(yīng)用較為寬泛，解決行業(yè)問題的方法缺少有效的針對性實(shí)踐性。醫(yī)藥行業(yè)方面，沒有根據(jù)企業(yè)實(shí)際特有的情況為醫(yī)藥行業(yè)建立完整的財(cái)務(wù)風(fēng)險控制系統(tǒng)。文獻(xiàn)[4]中提出基于模糊度特征檢測的醫(yī)院動態(tài)財(cái)務(wù)信息方法，采用多樣本特征信息采樣方法構(gòu)建醫(yī)院動態(tài)財(cái)務(wù)信息大數(shù)據(jù)分析模型，通過模糊信息融合，實(shí)現(xiàn)醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警，但這種方法進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的特征分辨力不高，信息提取能力不好。文獻(xiàn)[5]中提出基于動態(tài)信息評估和模糊PID 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的財(cái)務(wù)信息預(yù)警監(jiān)測方法，采用局部信息擬合方法，進(jìn)行動態(tài)預(yù)警監(jiān)測，但該方法進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的計(jì)算開銷較大，實(shí)時性不好。針對上述問題，本文提出基于支持向量機(jī)的醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警方法。構(gòu)建大數(shù)據(jù)檢測和統(tǒng)計(jì)信息分析模型，采用支持向量機(jī)學(xué)習(xí)方法，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息挖掘的分類識別，實(shí)現(xiàn)對異常醫(yī)院動態(tài)財(cái)務(wù)信息的實(shí)時監(jiān)測和預(yù)警。最后進(jìn)行仿真測試分析，其測試結(jié)果表明，本文方法在提高醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警能力方面的具有優(yōu)越性能。

2 醫(yī)院動態(tài)財(cái)務(wù)信息大數(shù)據(jù)分析模型和特征融合

為了實(shí)現(xiàn)醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警，通過B/S 技術(shù)進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)管理，結(jié)合模糊PID控制方法，構(gòu)建醫(yī)院動態(tài)財(cái)務(wù)信息大數(shù)據(jù)檢測和統(tǒng)計(jì)信息分析模型，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)預(yù)警的過程控制，從而構(gòu)建醫(yī)院動態(tài)財(cái)務(wù)信息大數(shù)據(jù)特征融合模型。

2.1 醫(yī)院動態(tài)財(cái)務(wù)信息大數(shù)據(jù)分析模型

采用Revit 軟件進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)預(yù)警的大數(shù)據(jù)采樣和統(tǒng)計(jì)特征分析，結(jié)合嵌入式的PLC和B/S構(gòu)架協(xié)議，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息的大數(shù)據(jù)采樣檢測分析，得到醫(yī)院動態(tài)財(cái)務(wù)信息的統(tǒng)計(jì)信息采樣的穩(wěn)定條件為：

采用自適應(yīng)的參數(shù)尋優(yōu)方法，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警和優(yōu)化調(diào)度[6]，利用聚類拓?fù)浞治龅姆椒ǎ玫阶赃m應(yīng)加權(quán)特征量：

式中，Tri為醫(yī)院動態(tài)財(cái)務(wù)信息的數(shù)據(jù)聚簇總數(shù)，表示相關(guān)性統(tǒng)計(jì)分布均值。通過上述分析，根據(jù)醫(yī)院財(cái)務(wù)信息的線性數(shù)據(jù)檢測和統(tǒng)計(jì)分析結(jié)果，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息分布式的動態(tài)管理和監(jiān)測[8]。結(jié)合檢測統(tǒng)計(jì)分析方法進(jìn)行醫(yī)院財(cái)務(wù)信息的動態(tài)管理和數(shù)據(jù)分析，結(jié)合交叉編譯控制方法，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)預(yù)警系統(tǒng)的總體模塊設(shè)計(jì)，如圖1所示。

圖1 醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警總體設(shè)計(jì)

2.2 醫(yī)院財(cái)務(wù)信息數(shù)據(jù)特征融合

采用支持向量機(jī)學(xué)習(xí)方法，通過動態(tài)調(diào)節(jié)參數(shù)進(jìn)行線性規(guī)劃設(shè)計(jì)，構(gòu)建醫(yī)院動態(tài)財(cái)務(wù)信息統(tǒng)計(jì)分析數(shù)據(jù)庫，提取醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的支持向量機(jī)示函數(shù)，得到醫(yī)院動態(tài)財(cái)務(wù)信息動態(tài)分布特征量為：

對于每個簇的簇頭節(jié)點(diǎn)H，醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的檢測統(tǒng)計(jì)特征量為Trj，j=1，2，3，…，計(jì)算醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的數(shù)據(jù)離散度函數(shù)，其表達(dá)為：

經(jīng)過上述分析，求得prj(k)的最優(yōu)值，得到加權(quán)系數(shù)ωrj(k)2，根據(jù)支持向量機(jī)學(xué)習(xí)方法及參數(shù)尋優(yōu)結(jié)果，完成醫(yī)院動態(tài)財(cái)務(wù)信息監(jiān)測的數(shù)據(jù)特征融合，繼而進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息監(jiān)測和預(yù)警。

3 醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警優(yōu)化

3.1 醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警監(jiān)測

通過模糊信息融合方法，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警和自適應(yīng)學(xué)習(xí)，采用模糊信息融合方法，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警過程中的輔助決策，運(yùn)用支持向量機(jī)學(xué)習(xí)的時間窗口進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的動態(tài)測量，得到動態(tài)測量函數(shù)為：

為確定各數(shù)據(jù)向量的差異性，將醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警模型轉(zhuǎn)化為支持向量機(jī)學(xué)習(xí)的凸優(yōu)化問題，得到動態(tài)信息測量誤差系數(shù)：

進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警過程中的運(yùn)維管理，分析財(cái)務(wù)信息的異常分布特征量，存在P(異常|x1)≠P(異常|x2)，其中x1∈X訓(xùn)練1或X分類1，且x2∈X訓(xùn)練2或X分類2，得到醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警監(jiān)測模型，其表達(dá)為：

當(dāng)存在，X訓(xùn)練，X分類X數(shù)據(jù)，X訓(xùn)練={xt-n，xt-n+1，…，xt}時，得到醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警檢測的最優(yōu)解，記為。根據(jù)上述分析，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警監(jiān)測，提高動態(tài)財(cái)務(wù)信息預(yù)警系統(tǒng)的監(jiān)測能力。

3.2 醫(yī)院動態(tài)財(cái)務(wù)預(yù)警的過程優(yōu)化

基于支持向量機(jī)學(xué)習(xí)方法，挖掘醫(yī)院動態(tài)財(cái)務(wù)信息同時分類識別，對所有醫(yī)院動態(tài)財(cái)務(wù)信息異常特征進(jìn)行求解，滿足，醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的特征變量為μ1、μ2和μm，使得醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警尋優(yōu)問題滿足：

其中，μm代表滿足收斂解。

結(jié)合財(cái)務(wù)信息訓(xùn)練集的差異度，根據(jù)訓(xùn)練集X訓(xùn)練i選擇差錯辨識特征量αi，發(fā)現(xiàn)醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的支持向量機(jī)學(xué)習(xí)函數(shù)為Φ(i)，通過非線性映射得到財(cái)務(wù)信息預(yù)警的支持向量機(jī)分類結(jié)果為：

通過結(jié)合上述分析，基于支持向量機(jī)算法，得到醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的過程優(yōu)化函數(shù)，其表達(dá)為：

綜上所述分析，完成醫(yī)院動態(tài)財(cái)務(wù)預(yù)警的過程優(yōu)化，從而實(shí)現(xiàn)醫(yī)院動態(tài)財(cái)務(wù)信息智能預(yù)警和監(jiān)測，提高智能預(yù)警監(jiān)測能力。

4 仿真測試分析

采用Matlab 進(jìn)行財(cái)務(wù)信息動態(tài)預(yù)警的數(shù)據(jù)處理分析，采用SPSS 統(tǒng)計(jì)分析軟件進(jìn)行財(cái)務(wù)信息的統(tǒng)計(jì)分析，在嵌入式ARM中進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)預(yù)警監(jiān)測軟件開發(fā)，系統(tǒng)軟件開發(fā)的實(shí)現(xiàn)流程如圖2所示。

圖2 系統(tǒng)軟件開發(fā)的實(shí)現(xiàn)流程

假設(shè)對醫(yī)院動態(tài)財(cái)務(wù)信息采樣的大數(shù)據(jù)分布樣本數(shù)為800，特征采樣率f0=1KHz，關(guān)聯(lián)系數(shù)為0．45，模糊統(tǒng)計(jì)特征分布集大小為14，測試在不同的預(yù)警閾值下醫(yī)院動態(tài)財(cái)務(wù)信息分類預(yù)警輸出如圖3所示。

圖3 不同的預(yù)警閾值下醫(yī)院動態(tài)財(cái)務(wù)信息分類預(yù)警輸出

根據(jù)圖3的預(yù)警輸出分析得知，采用本文方法進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的輸出穩(wěn)定性較高，預(yù)警能力較好，測試預(yù)警的準(zhǔn)確性，得到對比結(jié)果見表1，分析表1得知，本文方法進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的精度較高，融合度水平較好。

表1 醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警準(zhǔn)確性對比

5 結(jié)束語

通過醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警設(shè)計(jì)，分析醫(yī)院財(cái)務(wù)信息的相關(guān)性特征量，本文提出基于支持向量機(jī)的醫(yī)院動態(tài)財(cái)務(wù)信息的預(yù)警方法。結(jié)合水平動態(tài)評估和異常監(jiān)測方法，進(jìn)行醫(yī)院財(cái)務(wù)信息的動態(tài)預(yù)警和感知，結(jié)合交叉編譯控制方法，進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)預(yù)警系統(tǒng)的總體模塊設(shè)計(jì)，提取醫(yī)院動態(tài)財(cái)務(wù)信息動態(tài)分布特征量，采用支持向量機(jī)學(xué)習(xí)方法，結(jié)合財(cái)務(wù)信息訓(xùn)練集的差異度，得到財(cái)務(wù)信息預(yù)警的支持向量機(jī)分類結(jié)果。分析結(jié)果表明，采用本文方法進(jìn)行醫(yī)院動態(tài)財(cái)務(wù)信息預(yù)警的準(zhǔn)確性較高，對財(cái)務(wù)信息的異常特征信息分類管理能力較好，在醫(yī)院財(cái)務(wù)管理和監(jiān)管中具有很好的應(yīng)用價值。