【技术实现步骤摘要】
一种基于深度森林多标签分类学习模型的药品分类管理系统
：
[0001]本专利技术属于药品分类管理
，特别涉及一种基于深度森林多标签分类学习模型的药品分类管理系统。
技术介绍
：
[0002]近些年来，随着医药科学技术的不断发展，医疗药品的门类逐年递增，医疗药品分类管理问题成为各大医疗机构关注的重点。传统的人工分类方式需要培养针对性的特殊人才，且要消耗大量的人力、物力。
[0003]专利ZL201810407511.3公开了“一种药品分类管理数据分析系统”。首先通过划分模块将指定区域划分成若干区域，并获取各矩形区域内药店数量，其次通过药品销售量统计模块统计各矩形区域内各药房药品销售量以销售药品各类名称所对应的药品数量，然后通过温度预测与对比模块预测未来各矩形区域的室外环境，最后通过云服务器接受药品统计模块以及温度预测与对比模块的数据，并在显示端显示各矩形区域数据。但是该系统并未考虑对药品进行详细的多标签分类。
[0004]专利KR1020210189242公开了“使用大数据的药物分类系统”中根据输入的信息服务...
【技术保护点】
【技术特征摘要】
1.一种基于深度森林多标签分类学习模型的药品分类管理系统，其特征在于：包括依次通信连接的数据采集模块、数据分析模块、标签划分模块、环境监测模块、数据可视化模块；所述数据采集模块，用于采集药品的特征数据，并对药品特征数据进行归一化预处理，以获取归一化药品特征数据；所述数据分析模块，用于对药品预处理后的特征数据进行分析；所述标签划分模块，用于提供药品标签分类服务，结合药品的数据特征，对不同数据特征的药品进行分类；所述环境监测模块，用于监测存放药品的库房提供实时环境数据，方便药品的存储和管理；所述数据可视化模块，用于提供可视化界面，显示药品标签分类数据，帮助药品管理员实时获取药品信息。2.根据权利要求1所述的基于深度森林多标签分类学习模型的药品分类管理系统，其特征在于：药品的特征数据包括药品的生产日期、贮藏环境、药品形态、适用人群、主治功能。3.一种基于深度森林多标签分类学习模型的药品分类管理系统的使用方法，其步骤为：S01、采集包括药品功能、药品生产季度、药品贮藏环境、药品形态、药品使用率在内的药品的特征数据，并对这些数据进行归一化预处理，以获取归一化数据；S02、把药品的特征属性提取出来转化成一维向量，即嵌入向量，再根据药品不同的特征属性，将药品特征属性作为数据标签，转化成由0和1构成的独热数组；S03、药品的多标签分类数据集(X，Y)的基本信息中，X为药品属性，Y为标签，样本数为n，标签总数为m；给定标签空间为Y＝{Y1，Y2，
…
，Y
m
}，一个具有k个药品特征的xi样本由标签空间Y中的一个子集y赋值；两个不同标签之间的相关性用克莱姆相关系数来评价，不同标签之间的不平衡程度可以通过不平衡比例来衡量；标签的整体不平衡量用MeanIR来衡量，MeanIR表示药品标签的概率均值，MeanIR的显著性用标准变异系数CV来衡量；S04、对药品数据进行基于滑动窗口的多粒度扫描，生成低维药品特征向量，再将这些特征向量组合到不同的标签上；然后使用级联随机森林，通过已经生成的药品特征向量数据集在级联随机森林模型上进行训练，用训练好的级...
【专利技术属性】
技术研发人员：雷桂根，李书妤，张晓燕，雷浩天，雷浩群，
申请(专利权)人：江西药葫芦科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。