20xx年醫(yī)學(xué)專題—傳染病監(jiān)測數(shù)據(jù)時空分析及早期預(yù)警統(tǒng)計技術(shù)研究進(jìn)展----湖南衛(wèi)生監(jiān)督網(wǎng)-資料下載頁
2024-11-04 17:44本頁面
【正文】 ,第一百零一頁，共一百一十八頁。,www.themegallery.com,Company Logo,隱馬爾科夫模型(m243。x237。ng) Hidden Markov Models，HMMs,第一百零二頁，共一百一十八頁。,www.themegallery.com,Company Logo,隱馬爾科夫模型(m243。x237。ng),隱馬爾科夫模型(m243。x237。ng)(HMMs)是在Markov模型(m243。x237。ng)的基礎(chǔ)上發(fā)展起來的統(tǒng)計模型(m243。x237。ng)。,第一百零三頁，共一百一十八頁。,假定HMMs的狀態(tài)(傳染病狀態(tài))是不可直接監(jiān)測的，監(jiān)測到的只是與之對應(yīng)(du236。y236。ng)的一些監(jiān)測值(如OTC銷售量、急診量和學(xué)校缺勤數(shù)等 )，因而稱之為“隱”馬爾科夫模型。,第一百零四頁，共一百一十八頁。,www.themegallery.com,Company Logo,隱馬爾科夫模型(m243。x237。ng),底層(dǐ c233。nɡ):Markov鏈模型 描述狀態(tài)之間的轉(zhuǎn)換,第一百零五頁，共一百一十八頁。,www.themegallery.com,Company Logo,隱馬爾科夫模型(m243。x237。ng),上層:隨機(jī)模型(m243。x237。ng)， 描述狀態(tài)與監(jiān)測值的 統(tǒng)計對應(yīng)關(guān)系。,第一百零六頁，共一百一十八頁。,www.themegallery.com,Company Logo,隱馬爾科夫模型(m243。x237。ng),HMMs建模是從歷史數(shù)據(jù)中獲取信息，將隱含的規(guī)律轉(zhuǎn)化(zhuǎnhu224。)為實(shí)際的模型參數(shù)，利用歷史信息并根據(jù)相似性原理來比較識別未知樣本。,第一百零七頁，共一百一十八頁。,www.themegallery.com,Company Logo,隱馬爾科夫模型(m243。x237。ng),國外在進(jìn)入21世紀(jì)后，將其運(yùn)用于流感樣病例、脊髓灰質(zhì)炎以及醫(yī)院感染等監(jiān)測資料預(yù)測(y249。c232。)疾病狀態(tài)。,第一百零八頁，共一百一十八頁。,隱馬爾科夫模型(m243。x237。ng)結(jié)構(gòu)圖,qt為t時刻(sh237。k232。)的隱狀態(tài) (傳染病暴發(fā)的有無),第一百零九頁，共一百一十八頁。,隱馬爾科夫模型(m243。x237。ng)結(jié)構(gòu)圖,由于傳染病狀態(tài)(zhu224。ngt224。i)(隱狀態(tài)(zhu224。ngt224。i))難以確定，HMMs是通過可獲得的監(jiān)測數(shù)據(jù)來反推傳染病的可能狀態(tài)(zhu224。ngt224。i)。,第一百一十頁，共一百一十八頁。,多源監(jiān)測數(shù)據(jù)的HMMs示意圖,擴(kuò)展(ku242。zhǎn)模型,第一百一十一頁，共一百一十八頁。,隱馬爾科夫模型(m243。x237。ng)結(jié)構(gòu)圖,Et為Ot的的影響(yǐngxiǎng)因素 (周末或假期效應(yīng)、零售業(yè)促銷手段等 ),第一百一十二頁，共一百一十八頁。,模型(m243。x237。ng)建立過程,模型訓(xùn)練。即模型參數(shù)估計問題，就是對于初始模型和給定用于訓(xùn)練的觀測序列調(diào)整模型的參數(shù)，使其能夠最好擬合觀測數(shù)據(jù)(sh249。j249。)，可通過EM算法或BaumWelch 算法進(jìn)行。,第一百一十三頁，共一百一十八頁。,模型評價。給定模型參數(shù),計算觀測序列的似然度,即計算似然值或?qū)?shù)似然值，用于表示參數(shù)擬合數(shù)據(jù)的準(zhǔn)確程度(ch233。ngd249。)。這可以通過前向后向算法進(jìn)行。,2步需反復(fù)進(jìn)行(j236。nx237。ng)，選擇似然值或?qū)?shù)似然值最大的參數(shù)作為最終模型參數(shù)。,第一百一十四頁，共一百一十八頁。,隱狀態(tài)估計。給定模型參數(shù)和觀測數(shù)據(jù)，基于某種最優(yōu)準(zhǔn)則估計最可能的隱狀態(tài)序列(傳染病狀態(tài)的時間序列), 即估計出產(chǎn)生觀測序列的最可能路徑，可通過(tōnggu242。)Viterbi 算法進(jìn)行估計。,第一百一十五頁，共一百一十八頁。,歷史數(shù)據(jù),最優(yōu)HMMs,傳染病預(yù)警(y249。 jǐnɡ),第一百一十六頁，共一百一十八頁。,謝 謝！,第一百一十七頁，共一百一十八頁。,內(nèi)容(n232。ir243。ng)總結(jié),傳染病監(jiān)測數(shù)據(jù)。可利用人們對于傳染病流行及其相關(guān)因素的先驗知識確定先驗分布。目前已在眾多領(lǐng)域獲得廣泛應(yīng)用，是近年國外傳染病預(yù)警研究領(lǐng)域的前沿技術(shù)之一。人群證據(jù)節(jié)點(diǎn)O，代表了特定群體的集合證據(jù)。120緊急醫(yī)療救助電話記錄電子記錄?！诮y(tǒng)計測試的方法?！谒阉饔浄值姆椒āＸ惾~斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)通過(tōnggu242。)專家知識和訓(xùn)練樣本學(xué)習(xí)來確定。2步需反復(fù)進(jìn)行，選擇似然值或?qū)?shù)似然值最大的參數(shù)作為最終模型參數(shù)。謝 謝,第一百一十八頁，共一百一十八
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1