[发明专利]一种用于医生胜任力模型构建的数据处理方法

权利要求书

1.一种用于医生胜任力模型构建的数据处理方法，其特征在于，包括以下步骤：

(1)数据筛选：先后使用KMO数据值、巴菲力特球形检验数据对源数据进行筛选，选取KMO数据值大于0.5和巴菲力特球形检验数据小于0.05的数据为有效数据，其余数据为无效数据；

(2)数据分解：将所有数据按照数据内容的不同分成若干个维度；

(3)无效数据二次筛选：筛选出有效数据中每个数据维度的最大值和最小值，然后使用无效数据每个维度中的数据单元与相同维度中有效数据的最大值和最小值进行比较，若无效数据中的数据单元位于有效数据的最大值和最小值之间，则将这一无效数据中这一维度的数据单元标记为有效数据单元，否则，继续标记为无效数据单元；

(4)有效数据单元的二次融合：计算每个有效数据各维度的平均值，然后将无效数据中标记为有效数据单元的数据代替相应维度的平均值，其它维度仍然使用本维度的平均值，形成一个新的有效数据单元，将所有新得到的有效数据单元使用第一加权因子进行加权处理后，融合入原有的有效数据单元中；

(5)无效数据单元的处理：将步骤C中仍然标记为无效的数据单元按照维度的相关性进行重新排序，然后对各个维度进行权重排序，按照维度权重值由低到高的顺序依次选取各个维度的无效数据单元作为目标值对其相邻的无效数据单元进行线性拟合，拟合出的各个维度的数据组成的曲面作为医生胜任力模型构建的二次检查标准。

2.根据权利要求1所述的用于医生胜任力模型构建的数据处理方法，其特征在于：步骤(4)中，第一加权因子的计算公式为：

a=1/e|x12+x22+...+xn2-y12+y22+...+yn2|.]]>

3.根据权利要求1所述的用于医生胜任力模型构建的数据处理方法，其特征在于：步骤(4)中，将融合后形成的新的有效数据再次进行步骤(1)中的筛选过程，如果符合步骤(1)中的标准，则无需追加处理，如果不符合步骤(1)中的标准，则对第一加权因子进行调整，直至新的有效数据符合步骤(1)的标准。

4.根据权利要求3所述的用于医生胜任力模型构建的数据处理方法，其特征在于：对第一加权因子进行调整的步骤为：选取第一加权因子的1％作为迭代步长，任意选取正向或负向迭代，通过迭代前后的结果变化率和迭代结果与目标结果差值的绝对值的计算，确定下一次迭代变化量，其关系为，

q＝D/k。