基于QR迭代的量子奇异值分解

针对大型矩阵奇异值分解(singular value decomposition,SVD)时使用经典算法时间复杂度较高,以及已有的量子SVD算法要求待分解的矩阵必须具有非稀疏低秩的性质,并且在计算过程中构造任意大小酉矩阵对目前的量子计算机来说实现起来并不容易等问题,提出基于QR迭代的量子SVD。QR迭代使用的是Householder变换,通过量子矩阵乘法运算完成经典矩阵乘法运算过程。实验结果表明,该方法能够得到所求矩阵的奇异值及奇异矩阵,使大型矩阵的SVD具有可行性。

医院收治患者的病种结构及其对CMI值的影响研究

DRG评价体系体现了医疗机构的综合医疗水平和疑难病例的诊疗能力。CMI值基于疾病和手术操作、反映医疗机构整体技术难度的综合评价指标。RW值反映疾病的严重程度、诊疗难度和消耗的医疗资源。病种结构是影响CMI值的关键因素,提升CMI值,要从优化医院的病种结构,减少低RW值病种占比,提升高RW值病种的占比入手。本文从实际工作出发,浅谈病种结构对DRG管理中的CMI值的影响。