摘 要： 針對社區網格化管理中老年人多類健康體征數據的在線評估要求，提出一種基于蟻群聚類的徑向基神經網絡評估模型。模型在RBF神經網絡的架構上引入了蟻群聚類算法。仿真的性能結果和實驗結論表明，該模型兼具蟻群算法良好的全局最優策略和徑向基網絡的快速收斂性能，能準確及時地評估老年人的健康狀況。
關鍵詞： 健康檢測；網格化管理；在線評估；蟻群算法；RBF神經網絡
隨著社會進步和經濟發展，人口老齡化問題已成為中國21世紀最為突出的社會問題之一。江蘇省作為全國人口大省，老齡化程度高于全國水平，截至2008年底，江蘇省老年人口已超過1 218萬，占戶籍人口總數的16.5%[1]。由于傳統的健康調查報告，社區衛生服務中心的定期人工監測、回訪等方式已經遠遠無法滿足老人健康監測的動態、實時性需求，因此，以社區為整體，以樓層為網格單元，對單元網格內老人健康體征數據進行實時采集，并使用老人健康評估模型進行在線分析，是一種可行并行之有效的方法。
本文構建了一種老人日常體征數據的健康評估的神經網絡模型，模型的聚類算法采用蟻群算法[2]，通過與傳統的K均值聚類算法比對可知，基于蟻群聚類[3]的RBF神經網絡模型能有效避免局部收斂且學習樣本很少，對于老人健康檢測的服務要求來說，本模型是相當合適的，而且模型又兼具傳統RBF神經網絡收斂快，學習性能優越的特點，預測成功率達到了97%以上。本模型能真正實現對老人健康體征信息的主動監測和及時處理，大大提高社區醫療服務水平和質量。
1 問題數學描述
RBF神經網絡通常分成三層：輸入層、隱性層和輸出層。輸入層節點為模式樣本集合，X={Xi，i=1，2，…，N}，其中Xi為M維模式矢量，即Xi=[Xi1，Xi2，…，XiM]T，N為輸入層節點數。輸出層節點是線性組合器，可調節參數就是該線性組合器的權值Wk。隱性層采用蟻群算法，將聚類按最鄰近法則規劃，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 蟻群聚類算法學習過程設計
根據上述數學模型推導，設計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神經網絡具有蟻群算法和RBF神經網絡的雙重優點，使網絡具有更高的收斂速度和較強的學習能力。通過實例表明，基于蟻群算法的神經網絡模型具有較強的分類能力，能夠得出較公平、公正的評價結果，用該評價模型對社區老年人健康狀況進行綜合評價是可行的。通過使用模型進行評價，大大減少評價工作量，降低評價的主觀性，提高評價結果的合理性。下一步的工作是對蟻群聚類算法進行算法策略改進，提高搜索速度，降低模型整體的評價執行時間。
參考文獻
[1] 袁靜.江蘇人口老齡化的現狀與對策探析[J].人口與計劃生育，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.蟻群神經網絡在魚病專家系統中的應用研究[J].微計算機信息，2005，21(7-3)：149-151.
[4] 國家體育總局.國民體質測定標準手冊(老年人部分)[M]. 北京：人民體育出版社，2003.
[5] 薛茂云.江蘇省城區老年人日常體力活動水平對體質健康和生活質量的影響[J].中國組織工程研究與臨床康復，2010，14(50)：9465-9470.