一种基于可信深度模糊神经网络的医院感染预警方法

本发明公开了一种基于可信深度模糊神经网络的医院感染预警方法，包括以下步骤：S1、采集电子病例数据，对数据进行预处理，得到处理后的训练数据集Dtrain和测试数据集Dtest；S2、构建可信深度模糊神经网络模型；S3、输入带有高斯噪声的电子病例训练数据集，对神经网络模型进行训练，得到训练完成的神经网络模型；S4、通过训练完的神经网络模型计算测试数据集中各样本的感染概率，并输出相应的不确定度；本发明解决了现有的医院感染预警模型方法难以对误差和错误的电子病例数据进行正确预测，并产生不可信结果，从而导致难以在实际场景中应用的问题。