前言：尋找寫作靈感？中文期刊網用心挑選的PSO-ELM的績效管理評價研究，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：為了實現醫院績效管理評價，借鑒平衡記分卡法從醫院財務指標、醫療服務效率指標、醫院發展指標以及服務滿意度構建醫院績效評價指標體系，針對ELM模型的性能受初始權重Wi和隱含層偏置bi的影響，提出了種基于PSO－ELM的醫院績效管理評價模型。將26個醫院績效管理評價的二級指標和醫院績效評價綜合得分分別作為PSO－ELM模型的輸入和輸出，建立PSO－ELM的醫院績效管理評價模型。研究結果表明，與ELM和SVM相比，PSO－ELM的醫院績效管理評價精度最高，為醫院績效管理提供了新的方法。
關鍵詞：極限學習機；粒子群優化算法；績效管理；醫療衛生；評價指標
0引言
隨著醫療衛生體制改革的推進，對醫院效率、資源管理、人才管理以及消費者反應性等問題提出了更高要求。醫院不但面臨體制改革，而且需要適應醫療保障制度的改革和衛生服務體制的改革。醫院作為衛生系統的主體和主要功能的承擔者，如何客觀評價醫院工作績效對提高醫院的工作效率和增強醫院的綜合競爭力具有重要意義［1－2］。目前工作績效管理評價的方法主要有平衡記分卡法、關鍵業績指標法和目標管理法［3－5］。這些方法雖然取得了一定效果，但是存在評價指標片面、流于形式和激勵效果不明顯的缺點。借鑒平衡記分卡法從醫院財務指標、醫療服務效率指標、醫院發展指標以及服務滿意度構建醫院績效評價指標體系，本文針對極限學習機（ExtremeLearningMachine，ELM）模型性能受其初始權值Wi和隱含層偏置bi選擇的影響，運用粒子群算法（ParticleSwarmOptimizationAlgo－rithm，PSO）優化選擇ELM模型的初始權值Wi和隱含層偏置bi，提出一種基于PSO－ELM的醫院績效管理評價模型。研究結果表明，與ELM和支持向量機（SupportVectorMa－chine，SVM）相比，PSO－ELM的醫院績效管理評價精度最高，為醫院績效管理提供了新的方法和途徑。
1ELM模型
ELM模型為一種全新的前饋神經網絡，由于其為單隱含層網絡，因此具有訓練速度快和復雜度較低的優點［6－7］，ELM模型結構圖，如圖1所示。若有N個訓練樣本（Xi，Yi），訓練樣本的輸入向量和目標向量分別為Xi＝［xi1，xi2，…，xin］T∈Rn和Ti＝［ti1，ti2，…，tin］T∈Rm。X和T矩陣大小分別為n×Q維和m×Q維，Q為訓練樣本數量。假設ELM模型的隱含層節點數為L，則ELM模型的輸出，如式（1）。式中，βi為ELM模型的輸出權值；g（x）為ELM模型的激勵函數；Wi＝［wi1，wi2，…，win］T為ELM模型的輸入權值；Wi·Xj為Wi和Xj的內積；bi為ELM模型的第i個隱含層節點的偏置。式（1）矩陣形式如式（2）。式中，β為ELM模型的輸出權值；H為ELM模型的隱含層節點的輸出。為了保證ELM模型誤差最小，存在一組參數＾βi、＾Wi和＾bi［8］，如式（3）。
2醫院績效管理評價指標
為了客觀全面地評價醫院績效管理水平，綜合文獻［9－10］的基礎上，借鑒平衡記分卡法從醫院財務指標、醫療服務效率指標、醫院發展指標以及服務滿意度指標構建醫院績效評價指標體系，醫院績效評價指標體系，如圖2所示。
3基于PSO－ELM的醫院績效管理評價
3．1粒子群算法。PSO［11］是根據粒子群群體之間的競爭與協作進行尋優搜索的，其速度和位置更新公式，如式（6）。式中，xk＋1i、vk＋1i分別為在第k＋1次迭代中的第i個粒子的位置與速度；w為慣性權重；c1、c2為學習因子；ggbest和gibest分別為當前的全局最優解和當前的個體最優解。
3．2適應度函數。針對ELM模型性能受其初始權值Wi和隱含層偏置bi選擇的影響，運用PSO優化選擇ELM模型的初始權值Wi和隱含層偏置bi，提出一種基于PSO－ELM的醫院績效管理評價模型，適應度函數如式（7）。式中，yi和Oi分別為績效綜合得分預測值和績效綜合得分實際值；n為訓練集樣本數量。
3．3算法流程?；赑SO－ELM的醫院績效管理評價可詳細描述如下。Step1：讀取醫院績效管理評價指標數據和績效綜合得分數據，劃分數據集為訓練集和測試集并歸一化處理；Step2：初始化PSO參數和變量優化范圍：種群規模N、最大迭代次數T、學習因子c1和c2、慣性權重w、第i個粒子位置Xi＝［W11，W21，…，Wh1，…，W1n，b1，b2，b3，…，bh］；Step3：將粒子位置Xi和訓練集代入公式（7）計算適應度函數值，找到個體最優解和全局最優解；Step4：更新PSO算法的粒子速度和位置；Step5：計算PSO算法粒子速度和位置更新后的適應度值，并更新個體最優解和全局最優解；Step6：若當前迭代次數t＞T，則輸出粒子最優位置，最優位置就是ELM模型的最優初始權值和閾值，帶入ELM模型運用測試集進行醫院績效管理評價。反之，返回Step3。基于PSO－ELM醫院績效管理評價流程圖，如圖3所示。
4實證分析
4．1數據來源。為了驗證醫院績效管理進行PSO－ELM評價的效果，選擇陜西省11家公立醫院績效管理數據為研究對象［11］，運用專家評價法獲取各評價指標的得分和醫院績效管理評價綜合得分。醫院績效管理各個評價指標得分分為4個等級，分別為優、好、中、較差和差，對應得分分別為1、0．7、0．5、0．3和0．1。醫院績效管理綜合得分與評價標準，如表1所示。
4．2評價指標。選擇均方根誤差（RootMeanSquareError，RMSE）和平均絕對誤差（MeanAbsoluteError，MAE）當作醫院績效管理效果的評價指標［12－13］如式（8）、式（9）。RMSE＝式中，n為樣本集的數量；xk、＾xk分別為第k個樣本的實際值和預測值。RMSE和MAE數值越小，說明模型評價效果越好。反之，評價效果越差。
4．3結果分析。本研究選擇Matlab2015a為軟件平臺，電腦操作系統為Windows7，PC機配置為CPU的主頻為2．60GHz、內存8GB、中央處理器為Intel（R）Core（TM）i5－24004－core。通過專家打分法獲得11家醫院績效管理評價數據，前7組作為訓練集和后4組為測試集。PSO算法參數設定如下：學習因子c1＝c2＝2，種群規模N＝10，最大迭代次數T＝100，慣性權重w＝0．2，測試集醫院績效評價結果，如圖4和表2所示。由圖4、圖5和表2可知，與SVM和ELM相比，PSO－ELM醫院績效管理評價精度最高，為醫院績效管理提供了新的方法。
5總結
為實現醫院績效管理評價，針對ELM模型的性能受初始權重Wi和隱含層偏置bi的影響，提出一種基于PSO－ELM的醫院績效管理評價模型。將26個醫院績效管理評價的二級指標和醫院績效評價綜合得分分別作為PSO－ELM模型的輸入和輸出，建立SSA－SVR的醫院績效管理評價模型。研究結果表明，與ELM和SVM相比，PSO－ELM的醫院績效管理評價精度最高，為醫院績效管理提供了新的方法。
作者:張一 單位:商洛職業技術學院人文管理系