论文部分内容阅读
目的：探讨建立小样本情况下病例组合模型的意义与模型求解方法。方法：先采用离散型数据聚类方法ROCK对样本进行聚类分组，再用人工神经网络来学习分组规则，训练好的人工神经网络模型便可用于判断预测样本的病例组合情况。结果：实证研究结果表明，523份病例聚为4组，各组间费用95％可信区问互不重合；神经网络的训练误差为0．0029，病例组合预测和判断符合率为94．29％。结论：在建立规范化病例样本库的基础上，寻求小样本情况下的病例组合模型求解方法，有较好的理论和实际价值；小样本情况下病例组合模型不适合采用传统的决策