基于深度集成网络的医院运营数据云存储仿真

摘要

由于医院运营数据需要在多个系统间同步，并面临频繁访问和处理，导致存储过程中存在数据缺失、错误或重复等问题，影响数据分析和决策的准确性。为确保数据的一致性和准确性并提供高效的数据访问和处理能力，提出一种基于深度集成网络的医院运营数据云存储方法。利用筛选的医院运营数据构建随机森林树，在森林内执行空间维的随机抽取。将卷积神经网络作为个体子分类器，并结合多数投票机制构成深度集成网络，通过迁移学习的策略确定最终样本的所属类别。运用布隆过滤器技术有效识别并滤除医院运营数据中的重复数据，通过设置目标函数，采用协同进化算法经过多轮迭代和优化，最终获取医院运营数据云存储的最优解决方案。实验结果表明，所提方法在处理数据时的吞吐量超过400 MByte/s，且在数据维数高达9 000时，其内存占用率和CPU(Central Processing Unit)占用率也仅为10.39%和8.88%。说明所提方法具有很好的医院运营数据云存储性能，可有效提高医院信息管理的效率和协同工作的能力。

关键词

深度集成网络 / 医院运营数据 / 云存储 / 随机森林 / 布隆过滤 / 协同进化