摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第6-11页 |
1.1 研究背景与意义 | 第6-7页 |
1.2 国内外研究现状 | 第7-9页 |
1.3 论文主要研究内容 | 第9-10页 |
1.4 论文组织结构 | 第10-11页 |
第二章 相关技术研究 | 第11-23页 |
2.1 医疗服务评价分析方法 | 第11-16页 |
2.1.1 可拓聚类分析 | 第11-13页 |
2.1.2 灰色关联分析 | 第13-14页 |
2.1.3 随机效应模型 | 第14-15页 |
2.1.4 几种典型综合评价方法 | 第15-16页 |
2.2 相关性分析方法 | 第16-18页 |
2.2.1 最大信息系数 | 第16-18页 |
2.2.2 典型相关分析 | 第18页 |
2.3 聚类分析 | 第18-20页 |
2.3.1 K-means算法 | 第18-19页 |
2.3.2 聚类质量评价指标 | 第19-20页 |
2.4 特征选择简介 | 第20-22页 |
2.5 本章小结 | 第22-23页 |
第三章 医疗服务指标数据 | 第23-29页 |
3.1 医疗服务指标数据 | 第23-24页 |
3.2 数据预处理 | 第24-28页 |
3.2.1 数据清理 | 第25页 |
3.2.2 数据变换 | 第25-27页 |
3.2.3 医疗服务指标数据的预处理 | 第27-28页 |
3.3 本章小结 | 第28-29页 |
第四章 医疗服务指标的探索性分析 | 第29-40页 |
4.1 基于灰色关联度的可拓聚类方法 | 第30-31页 |
4.2 EC-GRD算法在基层医院医疗费用分析中的应用 | 第31-35页 |
4.2.1 医院总收入影响因素分析 | 第31-32页 |
4.2.2 预测医院总收入增长率 | 第32-34页 |
4.2.3 基于灰色关联度的权重系数的有效性 | 第34-35页 |
4.3 随机效应模型在医院总收入差异分析中的应用 | 第35-39页 |
4.3.1 随机效应模型的应用 | 第35-38页 |
4.3.2 随机效应模型的评估 | 第38-39页 |
4.4 本章小结 | 第39-40页 |
第五章 MK-FSA算法及其在医疗服务指标选择上的应用 | 第40-58页 |
5.1 MIC-kmeans:一种基于最大信息系数的高维聚类算法 | 第40-42页 |
5.2 MIC-kmeans算法实验分析 | 第42-47页 |
5.2.1 实验数据集 | 第42-43页 |
5.2.2 合成数据集上的实验分析 | 第43-46页 |
5.2.3 真实数据集上的实验分析 | 第46-47页 |
5.3 MK-FSA:一种基于MIC-kmeans的特征选择算法 | 第47-50页 |
5.4 MK-FSA算法实验分析 | 第50-55页 |
5.4.1 数据集与评估指标 | 第50页 |
5.4.2 实验结果分析 | 第50-55页 |
5.5 应用MK-FSA算法筛选医疗服务指标 | 第55-57页 |
5.6 本章小结 | 第57-58页 |
第六章 总结与展望 | 第58-60页 |
6.1 总结 | 第58-59页 |
6.2 展望 | 第59-60页 |
致谢 | 第60-61页 |
参考文献 | 第61-65页 |
附录 | 第65-67页 |
图版 | 第67-68页 |
表版 | 第68-69页 |