经验匮乏场景下的疫情控制策略迁移与决策支持方法
机器学习
2024-04-17 v1 物理与社会
应用统计
摘要
疫情爆发可能引发严重的健康问题和严重的全球经济危机。对于爆发新传染病的国家或地区，通过向具有类似风险特征的其他地区学习经验来制定预防策略至关重要。基于特征相似度评估，提出了一种策略迁移与决策支持方法（STDSA）。该方法包含四个步骤：(1) 从三个维度确定相似度评估指标，即国家疫情防控基础、社会韧性和感染状况。(2) 收集并预处理与指标相关的数据。(3) 通过改进的协同过滤算法对预处理后的数据集进行第一轮筛选，从感染状况的角度计算初步相似度结果。(4) 最后，使用 K-Means 模型进行第二轮筛选以获得最终的相似度值。该方法将应用于 COVID-19 背景下的决策支持。我们的结果表明，STDSA 模型生成的建议比纯 K-means 模型生成的建议更准确，且更符合实际情况。本研究将为缺乏经验的地区防控疫情提供新见解。
引用
@article{arxiv.2404.10004,
title = {A Strategy Transfer and Decision Support Approach for Epidemic Control in Experience Shortage Scenarios},
author = {X. Xiao and P. Chen and X. Cao and K. Liu and L. Deng and D. Zhao and Z. Chen and Q. Deng and F. Yu and H. Zhang},
journal= {arXiv preprint arXiv:2404.10004},
year = {2024}
}
备注
20 pages, 9 figures