[发明专利]一种基于医院关联网络结构特征的城市医疗体系聚类方法

权利要求书

1.一种基于医院关联网络结构特征的城市医疗体系聚类方法，其特征在于，包括以下步骤：

步骤1：收集关于医生多点执业的行为数据；

步骤2：根据医生多点执业的行为数据，构建医院-医生二分网络；

步骤3：将医院-医生二分网络投影到单顶点的医院关联网络；

步骤4：提取医院关联网络的结构特征；

步骤5：采用K-means算法对医院关联网络进行聚类；

所述步骤3中，将二分网络投影到医院节点上，形成医院关联网络；所述医院关联网络为一个由集合V、E和W组成的图，记为G＝(V,E,W)，其中V＝{v₁,v₂,…,v_N}是节点集合，每个节点表示一个医院；是无向连边集合，表示医院之间的关系；W＝(w_ij)_N×N是连边权重集合，表示两个医院共享医生的人数；

所述步骤4中，网络结构特征提取包括以下过程：

4.1)医院关联网络的节点数量|V|，医院关联网络的节点集合是：

V＝{v₁,v₂,…,v_N}， (1)

其中，v_i是一个节点，1≤i≤N，节点集合大小用|V|＝N表示；

4.2)医院关联网络的连边数量|E|，医院关联网络的边集合是：

其中,边集合的大小用|E|＝M表示；

4.3)医院关联网络的度中心性：节点v_i的度值k_i的计算公式如下：

其中，N表示网络中的节点总数，

节点v_i的度中心性DC_i，计算如下：

其中，k_i表示节点v_i的度值；

4.4)医院关联网络中节点v_i的介数中心性BC_i，计算如下

其中，g_st表示从节点v_s到节点v_t的最短路径的数目，表示从节点v_s到节点v_t的g_st条最短路径中经过节点v_i的最短路径的数目；

4.5)医院关联网络的特征向量中心性c_e(G)，计算如下：

其中网络图G中节点v_i的特征向量中心性c_e(v_i)，计算如下：

其中，γ是一个比例常数，a_ij表示网络的加权邻接矩阵的元素，

假设C_e＝(c_e(v₁),c_e(v₂),…,c_e(v_N))^T是所有节点的中心向量，则式(7)写成如下矩阵形式：

γC_e＝A^TC_e， (8)

其中，A＝(a_ij)_N×N表示加权邻接矩阵，γ是对应的特征值，C_e是邻接矩阵A^T的特征向量；

4.6)医院关联网络的密度D，计算如下：

其中，|E|表示网络的实际总边数；

4.7)医院关联网络的度匹配性r，计算如下：

其中，k_i和k_j表示一条连边两个端点的度数，H表示网络中所有连边的总权重，w_ij表示节点v_i与节点v_j的连边权重；

4.8)医院关联网络的聚类系数C，计算如下：

其中网络图G中节点v_i的聚类系数C_i，计算如下：

s_i＝∑_jw_ij表示节点v_i的强度，k_i表示节点v_i的度，