工业工程
工業工程
공업공정
INDUSTRIAL ENGINEERING JOURNAL
2014年
4期
111-115
,共5页
手术时间%交叉验证(CV)%支持向量机(SVM)
手術時間%交扠驗證(CV)%支持嚮量機(SVM)
수술시간%교차험증(CV)%지지향량궤(SVM)
surgery time duration(CV)%cross validation%support vector machine(SVM)
手术时间估计是进行科学手术排程的前提和依据，为了能够准确地估计手术时间从而为手术排程提供有效信息，采用交叉验证（ CV）方法优化支持向量机（ SVM）参数，构建基于交叉验证的支持向量机模型对手术时间进行估计。为了验证模型的性能，将CV-SVM模型与径向基（ RBF）神经网络模型相对比，通过某医院眼科角膜移植手术时间估计进行实例验证。结果表明，相比RBF模型，基于CV-SVM模型的手术时间估计结果平均绝对百分误差在11％以内，相对误差在23％以内，验证了模型的有效性，为手术时间估计提供了一种有效的方法。
手術時間估計是進行科學手術排程的前提和依據，為瞭能夠準確地估計手術時間從而為手術排程提供有效信息，採用交扠驗證（ CV）方法優化支持嚮量機（ SVM）參數，構建基于交扠驗證的支持嚮量機模型對手術時間進行估計。為瞭驗證模型的性能，將CV-SVM模型與徑嚮基（ RBF）神經網絡模型相對比，通過某醫院眼科角膜移植手術時間估計進行實例驗證。結果錶明，相比RBF模型，基于CV-SVM模型的手術時間估計結果平均絕對百分誤差在11％以內，相對誤差在23％以內，驗證瞭模型的有效性，為手術時間估計提供瞭一種有效的方法。
수술시간고계시진행과학수술배정적전제화의거，위료능구준학지고계수술시간종이위수술배정제공유효신식，채용교차험증（ CV）방법우화지지향량궤（ SVM）삼수，구건기우교차험증적지지향량궤모형대수술시간진행고계。위료험증모형적성능，장CV-SVM모형여경향기（ RBF）신경망락모형상대비，통과모의원안과각막이식수술시간고계진행실례험증。결과표명，상비RBF모형，기우CV-SVM모형적수술시간고계결과평균절대백분오차재11％이내，상대오차재23％이내，험증료모형적유효성，위수술시간고계제공료일충유효적방법。
Surgery time duration estimation is the premise and basis of operation room scheduling .In order to estimate the surgery duration time accurately and provide effective information for operation room sched-uling , by using the cross validation method to optimize the support vector machine parameter , a cross vali-dation and support vector machine estimation model ( CV-SVM) is built.In order to verify the performance of the model , the model is compared with the radial basis function ( RBF) neural networks model , and a case of eye cornea transplant of a hospital is used to validate the model .Results show that , in comparison with the RBF model , the mean absolute percentage error of CV-SVM is below 11%and the relative error is below 23%, confirming the effectiveness of the model and providing an effective method to estimate surgery time duration.
