摘  要： 針對(duì)社區(qū)網(wǎng)格化管理中老年人多類健康體征數(shù)據(jù)的在線評(píng)估要求，提出一種基于蟻群聚類的徑向基神經(jīng)網(wǎng)絡(luò)評(píng)估模型。模型在RBF神經(jīng)網(wǎng)絡(luò)的架構(gòu)上引入了蟻群聚類算法。仿真的性能結(jié)果和實(shí)驗(yàn)結(jié)論表明，該模型兼具蟻群算法良好的全局最優(yōu)策略和徑向基網(wǎng)絡(luò)的快速收斂性能，能準(zhǔn)確及時(shí)地評(píng)估老年人的健康狀況。
關(guān)鍵詞： 健康檢測(cè)；網(wǎng)格化管理；在線評(píng)估；蟻群算法；RBF神經(jīng)網(wǎng)絡(luò)

     隨著社會(huì)進(jìn)步和經(jīng)濟(jì)發(fā)展，人口老齡化問(wèn)題已成為中國(guó)21世紀(jì)最為突出的社會(huì)問(wèn)題之一。江蘇省作為全國(guó)人口大省，老齡化程度高于全國(guó)水平，截至2008年底，江蘇省老年人口已超過(guò)1 218萬(wàn)，占戶籍人口總數(shù)的16.5%[1]。由于傳統(tǒng)的健康調(diào)查報(bào)告，社區(qū)衛(wèi)生服務(wù)中心的定期人工監(jiān)測(cè)、回訪等方式已經(jīng)遠(yuǎn)遠(yuǎn)無(wú)法滿足老人健康監(jiān)測(cè)的動(dòng)態(tài)、實(shí)時(shí)性需求，因此，以社區(qū)為整體，以樓層為網(wǎng)格單元，對(duì)單元網(wǎng)格內(nèi)老人健康體征數(shù)據(jù)進(jìn)行實(shí)時(shí)采集，并使用老人健康評(píng)估模型進(jìn)行在線分析，是一種可行并行之有效的方法。
    本文構(gòu)建了一種老人日常體征數(shù)據(jù)的健康評(píng)估的神經(jīng)網(wǎng)絡(luò)模型，模型的聚類算法采用蟻群算法[2]，通過(guò)與傳統(tǒng)的K均值聚類算法比對(duì)可知，基于蟻群聚類[3]的RBF神經(jīng)網(wǎng)絡(luò)模型能有效避免局部收斂且學(xué)習(xí)樣本很少，對(duì)于老人健康檢測(cè)的服務(wù)要求來(lái)說(shuō)，本模型是相當(dāng)合適的，而且模型又兼具傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)收斂快，學(xué)習(xí)性能優(yōu)越的特點(diǎn)，預(yù)測(cè)成功率達(dá)到了97%以上。本模型能真正實(shí)現(xiàn)對(duì)老人健康體征信息的主動(dòng)監(jiān)測(cè)和及時(shí)處理，大大提高社區(qū)醫(yī)療服務(wù)水平和質(zhì)量。
1 問(wèn)題數(shù)學(xué)描述
    RBF神經(jīng)網(wǎng)絡(luò)通常分成三層：輸入層、隱性層和輸出層。輸入層節(jié)點(diǎn)為模式樣本集合，X={Xi，i=1，2，…，N}，其中Xi為M維模式矢量，即Xi=[Xi1，Xi2，…，XiM]T，N為輸入層節(jié)點(diǎn)數(shù)。輸出層節(jié)點(diǎn)是線性組合器，可調(diào)節(jié)參數(shù)就是該線性組合器的權(quán)值Wk。隱性層采用蟻群算法，將聚類按最鄰近法則規(guī)劃，信息素賦相同的初值Tij(i=1，2，…，N；j=1，2，…，K)。
    聚類中心的偏離誤差公式如下：    
    
2.2 蟻群聚類算法學(xué)習(xí)過(guò)程設(shè)計(jì)
    根據(jù)上述數(shù)學(xué)模型推導(dǎo)，設(shè)計(jì)出蟻群聚類算法的流程圖如圖1所示。

    基于蟻群聚類算法的RBF神經(jīng)網(wǎng)絡(luò)具有蟻群算法和RBF神經(jīng)網(wǎng)絡(luò)的雙重優(yōu)點(diǎn)，使網(wǎng)絡(luò)具有更高的收斂速度和較強(qiáng)的學(xué)習(xí)能力。通過(guò)實(shí)例表明，基于蟻群算法的神經(jīng)網(wǎng)絡(luò)模型具有較強(qiáng)的分類能力，能夠得出較公平、公正的評(píng)價(jià)結(jié)果，用該評(píng)價(jià)模型對(duì)社區(qū)老年人健康狀況進(jìn)行綜合評(píng)價(jià)是可行的。通過(guò)使用模型進(jìn)行評(píng)價(jià)，大大減少評(píng)價(jià)工作量，降低評(píng)價(jià)的主觀性，提高評(píng)價(jià)結(jié)果的合理性。下一步的工作是對(duì)蟻群聚類算法進(jìn)行算法策略改進(jìn)，提高搜索速度，降低模型整體的評(píng)價(jià)執(zhí)行時(shí)間。
參考文獻(xiàn)
[1] 袁靜.江蘇人口老齡化的現(xiàn)狀與對(duì)策探析[J].人口與計(jì)劃生育，2008(1)：25-26.
[2] Zhao Jianna，Wang Xunying，Wu Zhuozheng．Forecasting gdp  growth based on ant colony clustering algorithmand rbf neural network[A]．Proceedings of the IEEE International Conference on Automation and Logistics[C]．Qingdao，China，2008．
[3] 胡利平，許永城，高文，等.蟻群神經(jīng)網(wǎng)絡(luò)在魚病專家系統(tǒng)中的應(yīng)用研究[J].微計(jì)算機(jī)信息，2005，21(7-3)：149-151.
[4] 國(guó)家體育總局.國(guó)民體質(zhì)測(cè)定標(biāo)準(zhǔn)手冊(cè)(老年人部分)[M]. 北京：人民體育出版社，2003.
[5] 薛茂云.江蘇省城區(qū)老年人日常體力活動(dòng)水平對(duì)體質(zhì)健康和生活質(zhì)量的影響[J].中國(guó)組織工程研究與臨床康復(fù)，2010，14(50)：9465-9470.