流形学习在医院个人绩效评价中的应用.pdfVIP

中国卫生统计 2011年 2月第 28卷第 1期 · 79 · 流形学 习在 医院个人绩效评价 中的应用 福州总医院(350025) 肖 扬 宋 斌 雷 勇 吴祖煌 随着医疗体制的改革和医疗市场竞争的不断加 给定 m个高维数据样本集合X= ，：，…， }，其 中 剧，绩效考核越来越受到医院管理层的重视 。绩效考 X∈R。为独立 同分布在 D维流形M 尺。上的随机样 核作为科学管理的有效手段之一 ，不仅是医院人力资 本 ，定义映射f：MIR一R ，dD。流形学习的 目的 源管理的重要组成部分，也是提高医疗质量和效率，促 就是根据有限的观测样本数据集合 x发现未知的嵌 进医院发展的关键环节 。如何有效合理地进行绩效考 入映射L厂，使得高维数据样本集合 与低维嵌入 Y= 核 已成为研究的热点和难点。近年来，一些具体的绩 {Y。，Y，…， }一一对应 ，其 中Y R“。 效评价方法相继提 出，如 TOPSIS方法 ，灰色关联聚 由于流形学习算法能够很好处理高维且非线性的 类分析法 ，数据包络分析法 DEA ，主成分分析 数据样本 ，流形学习算法得到充分的重视和发展 ，目前 法 』，因子分析法 j，结构方程模型方法 ，秩和比分 典型的流形学习主要有等距 映射 ISOMAP，局部线性 析法 等。各种方法从不 同角度考察绩效表现 ，具有 嵌入 LLE，拉普拉斯特征映射 LE，局部保持投影 LPP 各 自的优点，但同时也存在一定的不足。对于主成分 和间隔Fisher分析MFA 等。 分析法 ，它利用降维的思想 ，在保留原始指标变量尽可 本文将等距映射 ISOMAP流形学习算法应用到 能多的信息的前提下把多个指标转化为几个相互独立 医院员工绩效考评工作中，利用流形学习的特性 ，处理 的综合指标的多元统计方法，有效地解决了绩效评价 评价数据集中的高度非线性 内部结构。 中评价指标过多所带来的计算复杂性高和分析及解释 ISOMAP计算步骤 问题 困难等 问题 ，以及相关指标对绩效造成的影响。 主成分分析通过原始指标的线性组合来提取少量的综 ISOMAP算法是建立在传统的数据约简方法多维 合指标，这些综合指标和原始指标存在线性的关系，但 标度法MDS基础上，通过计算每个数据样本的近邻 是在医院绩效的综合评价 中，各指标变量之间的关系 关系构建一个近邻样本图，并利用近邻样本 图来计算 很难用线性关系来描述，这些数据和提取的主成分综 数据样本之间的最短路径距离，以此得到近似 的测地 合指标之间往往存在着复杂的非线性关系。常规的 线距离来代替不能表示 内在流形结构的欧式距离，最 PCA方法是一种线性方法 ，对于复杂非线性系统 ，必 后利用 MDS方法，得到嵌入在高维空间的低维坐标。 然会丢失系统所包含的重要的非线性信息。各主成分 ISOMAP是一种全局的降维方法，它的 目标在于尽可 与原始数据之间的拟合度低 ，绩效评价的结果也就不 能的保持数据样本的内在几何性质。ISOMAP算法能 理想。本文针对这种存在复杂非线性关系的评价数 够更好地表达数据的全局结构，很好的处理高度非线 据 ，采用新颖的流形学习方法 ，并应用于医院个人绩效 性数据 。图 1一A 显示 了一个 3维 的非线性 曲面数据 评价中，建立非线性的评价模型，有效体现数据本身的 (如果是线性 的，3维表现为平 面)，图 1一B显示 了 内在结构 ，解决了传统主成分分析法处理高度非线性