-
题名基于机器学习的失信医疗信息预防与监测识别技术研究
- 1
-
-
作者
高晓娟
-
机构
南京医科大学附属儿童医院信息科
-
出处
《电子设计工程》
2020年第17期1-5,共5页
-
基金
国家自然科学基金(61372071)。
-
文摘
针对医疗体系中对患者违约行为约束力弱、优质医疗资源浪费严重的问题。文中基于机器学习算法对失信医疗信息防御和监测机制进行了研究,设计了基于随机森林(RF)算法的失信识别模型。文中设计的随机森林算法基于CART树,使用基尼系数作为节点的判别分类标准,提升了传统决策树的收敛速度。由于随机森林算法基于集成学习的Bagging思想,可以有效避免训练过程的过拟合现象,提升了单一决策树算法的分类精度。数据测试结果表明,相较于逻辑回归、K-邻近等其他机器学习算法,该模型在分类精度上分别可以提升1.3%和1.4%,可以为社会医疗信用体系的建立与完善提供技术支撑。
-
关键词
医疗信用体系
机器学习
随机森林
CART
-
Keywords
medical
machine learning
random forest
CART
-
分类号
TN98
[电子电信—信息与通信工程]
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于XGBoost算法的内部网络安全威胁检测方法
被引量：3
- 2
-
-
作者
丁梓轩
陈国
-
机构
南京医科大学附属儿童医院信息科
-
出处
《吉林大学学报（信息科学版）》
CAS
2024年第2期366-371,共6页
-
基金
江苏省妇幼保健协会科研课题基金资助项目(FYX202201)。
-
文摘
针对内部网络安全威胁节点成因多、特征难捕捉问题,提出一种基于XGBoost算法的内部网络安全威胁检测方法。以内部网络社区间的状态差异作为指标,计算不同社区类型内节点的边权重,查找与目标值存在关联性的节点。经多次分配提取特征值,将其作为初始值输入XGBoost决策树中,构建威胁性特征目标函数,求解每个节点对应的泰勒系数,实现内部网络安全威胁检测。实验结果表明,所提方法特征提取精准度高,在多种网络攻击条件下均能实现精准检测。
-
关键词
XGBoost算法
安全威胁检测
目标函数
泰勒系数
网络社区
-
Keywords
XGBoost algorithm
security threat detection
objective function
taylor coefficient
network community
-
分类号
TP147
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进神经网络的医疗大数据智能处理算法设计
- 3
-
-
作者
高晓娟
张爱华
杨姣
-
机构
南京医科大学附属儿童医院信息科
-
出处
《电子设计工程》
2023年第9期34-38,共5页
-
基金
江苏省医院协会医院管理创新研究项目(JSYGY-3-2018-324)。
-
文摘
针对电子病历中包含着大量的非结构化数据,而计算机难以处理且无法挖掘其潜在信息的问题,文中提出了一种基于改进神经网络的医疗大数据智能处理算法,以实现对医疗命名实体的识别。该算法利用迁移学习来预训练模型,并使用双向长短期记忆网络来提取特征。通过改进自注意力机制将多个特征向量与BiLSTM模型的隐式输出相结合,对不同的电子病历命名实体给出不同的权重,可有效提取命名实体中隐藏的解码信息,进而提升模型的识别率。在CCKS公开数据集上进行的实验测试结果表明,所提算法取得了较为理想的结果,具有良好的应用价值。
-
关键词
卷积神经网络
医疗大数据
自注意力机制
命名实体识别
-
Keywords
convolutional neural network
medical big data
self⁃attentional mechanism
named entity recognition
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
