数据整合与数据挖掘技术在医疗保险信息系统的研究与应用

通过分析医疗保险管理信息化深入发展的需求,从技术的角度提出医疗保险信息系统数据整合及数据挖掘的总体解决方案,并对医疗保险信息系统的数据仓库的设计、数据整合的方案以及数据挖掘的技术和应用进行概要的分析和论述,并用关联规则挖掘算法实证研究医保信息挖掘的可能性与必要性。利用编码、解码技术和SQL的聚集函数,实现基于SQL的FP-Growth算法,从而突破机器内存对数据挖掘的处理效率,实现对海量数据挖掘的高效挖掘。

分类器的动态选择与循环集成方法

针对多分类器系统设计中最优子集选择效率低下、集成方法缺乏灵活性等问题,提出了分类器的动态选择与循环集成方法(Dynamic selection and circulating combination,DSCC).该方法利用不同分类器模型之间的互补性,动态选择出对目标有较高识别率的分类器组合,使参与集成的分类器数量能够随识别目标的复杂程度而自适应地变化,并根据可信度实现系统的循环集成.在手写体数字识别实验中,与其他常用的分类器选择方法相比,所提出的方法灵活高效,识别率更高.

确定DEA指标体系的B-D方法

基于总结应用DEA确定输入、输出指标体系的4项基本原则,提出了借助相关系数的判断指标体系等价性和全面性的一个参考准则.提出了从概要指标到细化指标的确定指标体系的B-D方法,它有助于寻找系统全面详细而精简得当的指标体系.以区域经济评价研究中指标体系的确定为例,说明了这些准则和方法的具体应用.

适应模糊QoS约束优化的Web服务选择技术研究

基于QoS优化的全局Web服务选择涉及多目标和多阶段的服务合成,以及各种QoS属性的折衷,如可信性、可用性和声望等,因此提出了适当的基因算法来处理服务选择问题。由于发现质量驱动的Web服务选择是一个NP-hard问题,实际的多目标或QoS标准并不总是明确的,常常包含模糊元素。着重研究多目标Web服务选择过程中模糊QoS属性和适应进化函数之间的关系,以及如何调节个体模糊QoS属性以实现整个种群进化的问题。