[发明专利]一种高原适应性评估方法及系统

说明书

本发明公开了一种高原适应性评估方法，本发明通过使用样本数据和医生的经验知识，建立和验证高原适应度评估模型深度神经网络学习模型；使用体检数据作为输入数据，经过学习模型分析后，输出高原适应度的评分。解决了现有技术中无法快速科学地评价人员对于高原工作适应度的问题。

技术领域

本发明涉及机器学习技术领域，特别是一种高原适应性评估方法及系统。

背景技术

随着计算机硬件的发展和大数据技术的发展，已经能够提供高性能的大规模分布式计算集群，这样使得需要高强度计算能力的深度学习技术能够在企业业务中得以应用。

目前没有发现能够根据体检结果自动评价人员高原适应度的方法和系统，现在一般都是医生手工判断，存在工作量大而且与医生业务水平相关的问题。

利用基于深度学习技术的计算系统和在高原工作的人员体检样本数据，可以训练出高原适应度模型，根据训练出来的模型就可以计算出需评估人员的高原适应度分值，用于判断是否适合高原工作。

本发明通过使用样本数据和医生的经验知识，建立和验证高原适应度评估模型后；使用体检数据作为输入数据，经过评估模型分析后，输出高原适应度的评分。这样就解决了现有技术中无法快速科学地评价人员对于高原工作适应度的问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明采用聚类分析与DNN(深度神经网络)相结合的方式进行高原生命体征健康评分预测，旨在根据体检人员生命体征数，采用多层深度神经网络进行计算分析，得出综合评价结果，解决了无法快速科学地评价人员对于高原工作适应度的问题。

本发明提出一种高原适应性评估方法，包括：一种高原适应性评估方法，其特征在于，包括：

步骤S1:获取作为训练样本的体检数据，针对每组体检数据给出相应的高原适应性评分数据；

步骤S2：聚类训练样本中的数据；

步骤S3：对聚类后得到的数据进行增维；

步骤S4：建立学习模型，通过对训练样本进行学习，得到学习模型的系数权重；

步骤S5：对计算偏差进行修正；

步骤S6：根据修正后的学习模型，计算待测人员的高原适应性评分。

优选地，所述步骤S1中还包括对体检数据进行规范化的步骤，具体为：其中x表示某体检数据值，x_max表示所有该类体检数据的最大值，x_min表示所有该类体检数据的最小值。

优选地，所述步骤S2中聚类训练样本中的数据包括：

步骤S21：从规范化后的训练样本集中随机选取一个点作为第一聚类中心C₁；

步骤S22：计算训练样本集中的每个点与当前已有聚类中心之间的距离，用D(X)表示；

步骤S23：选择一个新的数据点作为新的聚类中心，选择的原则是：D(X)较大的点，被选取作为聚类中心的概率较大，选取D(X)最大的点作为新的聚类中心；

步骤S24：重复步骤S22和S23，直到K个聚类中心被选出来；

步骤S25：利用选出的k个初始聚类中心运行标准的K-means算法；