面向传染病主动监控的异构数据挖掘方法研究

发布时间：2020-10-14 13:41

　　 主动监控是最有效的传染病预防和控制方法。通过派遣医护人员对监控区域内的个体进行全面排查可从根本上抑制疾病传播。为了最大化有限医疗资源的利用率,主动监控策略通常只在部分高风险区域执行。因此,如何准确的评估待监控区域的传播风险,为有限资源的合理分配提供可靠依据,是提高主动监控策略有效性的关键。疾病传播的主要驱动力是人类的迁移行为,其主要动机和决策过程受多重因素影响,如:经济、环境、天气、交通等。找到各类因素与迁移行为之间的内在联系,则可以建模传染病的传播过程,从而预测潜在的传播风险。在大数据时代,异构数据挖掘理论和技术日趋成熟,为传播风险的预测提供了新的机遇,同时也面临如下挑战:(1)如何发现并建模主导传播趋势的迁移模式,并找到隐含在这种迁移模式背后的驱动因素,以解释感染病例存在的本质原因和生成机制。(2)如何制定全局最优的物资分配策略,在最大化有限资源利用率的同时兼顾模型在未来监控过程中的预测能力,即:模型可持续性。(3)如何反映动态的迁移行为对传播趋势的实时影响,并解决驱动因素在时间和空间两个维度的影响力差异性(即:时空异质性)问题。基于以上问题,本文主张通过异构数据挖掘方法实现准确、可持续、实时的传播风险预测,主要工作介绍如下:(1)提出了一种基于时空传播网络的主动监控方法。该方法主张融合异构数据建模人类的迁移过程从而预测传播风险,在实际应用中为制定合理的主动监控策略提供准确的参考信息。具体而言,通过分析人类的迁移行为,将传染病的输入和传播过程划分为四个阶段:是否外出,去往何处,是否感染,何时返回,并将该过程建模为一个时空传播网络(Spatiotemporal Diffusion Network)。在此基上,提出了一个新型的传染病主动监控框架(ASPII),该框架集成了机器学习模型、人口辐射模型、疟疾传播模型,融合了气象、环境、生理、人口、地理、社会经济、监控记录等数据。此外,考虑到影响人类迁移行为的因素有多种,这些因素对不同监控区域内迁移行为的驱动力不同,即:空间异质性。本文提出了一种混合优化算法,该算法可在优化各因素权重系数的同时自动的对监控区域进行分类,很好的解决了空间异质性问题。(2)提出了一种基于强化学习的可持续主动监控方法。主动监控的实施通常仅限于部分高风险区域,过程中反馈给预测模型的病例数据是不完整的,易导致模型在后续风险预测中出现较大偏差,甚至失去可持续预测能力。针对该问题,本文采用强化学习算法对监控物资进行动态分配,从而提出了可持续主动监控(Sustainable Active Surveillance,SAS)框架。该框架由预测器(Predictor)、分类器(Classifier)、规划器(Planner)三部分组成,它们之间通过相互合作共同完成主动监控任务。其中,预测器可从正、反两个角度对待监控区域的风险进行评估,以保证预测器的稳定性。通过分类器可将属性相似的待监控区域划分到同一类中,以实现未监控区域和已监控区域间的数据共享。通过规划器可给出物资分配的全局最优化策略,该策略不仅考虑了有限物资的利用率,还考虑了模型在后续风险预测过程中的可持续性。(3)提出了一种基于在线学习的实时主动监控方法。各类驱动因素对迁移行为的影响是具有时序性和实时性的,如四季更替和天气突变等。因此,传染病的传播趋势也同样是具有时序性和实时性的,如疟疾病在夏季和晴天传播更快。此外,驱动因素对各监控区域感染风险的影响,不仅在空间范围内存在差异,在时间尺度上也存在差异,即:时空异质性。针对以上问题,本文提出了一种基于在线学习的实时主动监控方法(Real-time Active Surveillance,RAS)。该方法采用FTRL-Proximal算法对模型参数进行更新,不仅可以反映各类驱动因素对传播风险的实时影响,还可保证各驱动因素权重系数的稀疏性,有利于发现隐含的主导因素。此外,本文还提出了一种动态的监控区域分类方法,该方法可以自动优化类别个数及各类中待监控区域数,很好的解决了时空异质性问题。
【学位单位】：吉林大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：R181.8;TP311.13
【部分图文】：

第 2 章 相关技术和算法概述些地区的无线通讯设施落后，EpiMap 采用卫星通讯对接触。戴无线传感器可以持续、准确的记录个体的接触事件（如时长），因此，逐渐成为一种收集“小范围”内高精度接触数于医院和校园等场景中的接触模式研究。早在 2006 年，由究员 Nathan Eagle 和 Alex Pentland 提出的现实挖掘（Reali用可穿戴无线传感设备记录人们的日常活动信息[47,48]。他们，记录了一些 MIT 学生在教学楼内某段时间的活动轨迹，述接触关系的小型社会网络[49]。Salathé等人利用无线传感中内 788 名学生一天内的接触行为，并构建了可以刻画个体网络[28]。该研究发现校园接触网络具有高密度连接和小世而，通过可穿戴传感器设备收集迁移行为所需的费用十分控的个体数量较大时。此外，穿戴传感器设备的患者容易引视，考虑个人隐私等原因医院通常不会给患者配带可穿戴设

没能够推广到大规模个体迁移行为的监控与分析研究中体行为静态监控来，为了克服细粒度个体接触数据难以获取的困难，可以刻画特征的复合群体模型正备受关注。这类模型不仅具备模拟传播刻画大规模人口的接触结构。复合群体模型可将人口按年龄属分为若干亚人群(Meta-population)，使得相同亚人群中的个体特性（如易感性，传染力，潜伏期，恢复期），进而利用亚人为代替个体接触行为建模流行病的传播过程[46]。基于该模型传播可以描述为反应扩散(Reaction-diffusion)过程[28]。反应刻体感染过程，扩散则刻画了流行病通过群体接触结构在亚人群外，由于流行病的控制策略通常是面向亚人群的，例如，在考配策略时，接种人群通常按年龄进行分组。因此，构建亚人群具实际意义。

图 2.4. 线性回归与逻辑回归原理示意图逻辑回归可根据具体问题选择不同类型的损失函数，如：0-1 损失、平方失、绝对值损失、似然损失等。以似然损失为例，假设样本集合为{( x1,y1),( x2,y2),( xn,yn)}，y={0,1}，每个样本( xi,yi)出现的概率可表示为：1( , ) ( 1| ) (1 ( 1| ))i iy yi i i i i iP y x P y x P y x …………（2.2当 yi=1 时，上式表示样本 i 为正例的可能性，反之，当 yi=0 时，为负例的可性。所有样本出现可能性的乘积为损失函数的完整数据似然，具体表示如下：1( ) ( 1| ) (1 ( 1| ))i iy yi i i iL P y x P y x …………（2.3在求解过程中，为了求导方便需要对上式进行对数变换，之后，再进行化简具体过程如下：111 1( ) log( ( 1 | ) (1 ( 1 | )) )log ( 1 | ) (1 ) log(1 ( 1 | ))( 1 | )log log(1 ( 1 | ))1 ( 1 | ) i iy yi i i ini i i i i iin ni ii i i ii ii iL P y x P y xy p y x y p y xp y xy y p y xp y x……（2.4
【相似文献】

相关期刊论文 前10条

1 张先龙;熊英超;;主动监控模式及其在公路桥梁施工中的应用研究[J];黑龙江交通科技;2015年02期

2 ;解读[J];软件世界;2007年12期

3 ;趋势科技TDA主动监控证券网络“全身”[J];中国金融电脑;2010年04期

4 李科银;刘凯;徐欣;;基于无线个域网的主动监控系统设计[J];重庆工学院学报(自然科学版);2008年08期

5 刘刚;;业务平台主动监控系统设计[J];计算机光盘软件与应用;2012年10期

6 徐建锋;;场监雷达数据主动监控系统的研究与开发[J];科技创新与应用;2014年23期

7 梅花园;;智能监控,会让我们生活更美好?[J];软件工程师;2014年10期

8 李峰;;一种集客专线主动监控方法[J];信息通信;2018年01期

9 ;索尼部署nGenius解决方案对网络应用进行主动监控分析[J];计算机与网络;2007年11期

10 袁剑波;张建仁;;主动监控模式及其在公路桥梁施工中的应用研究[J];科技进步与对策;2011年13期

相关博士学位论文 前1条

1 陈贺昌;面向传染病主动监控的异构数据挖掘方法研究[D];吉林大学;2018年

相关硕士学位论文 前10条

1 谷霄;基于时空数据挖掘的流行病主动监控系统[D];吉林大学;2016年

2 朱勉;电信网络管理主动监控系统的设计与实现[D];山东大学;2009年

3 许强键;基于无线网络的家庭主动监控系统的研究[D];广东工业大学;2014年

4 郑新文;云环境下主动监控机制关键技术研究与实现[D];北京工业大学;2017年

5 郭华;面向主动监控的感染风险时空模式建模与挖掘[D];吉林大学;2014年

6 付伟伟;劳动监察网络主动监控子系统的设计与实现[D];山东大学;2011年

7 张征;交换机智能巡检系统设计与实现[D];电子科技大学;2012年

8 李现革;TD-SCDMA网络性能预测及监控系统的研究与实现[D];吉林大学;2012年

9 张鹏宇;中国联通ERP用户感知业务监控数据分析系统的设计与实现[D];华南理工大学;2015年

10 蒋菲;基于主动监控的光耦合器件的研究[D];华中科技大学;2009年

本文编号：2840738