一种智慧药房进出药管理系统的制作方法

本发明涉及药房进出药管理，具体涉及一种智慧药房进出药管理系统。

背景技术：

1、智慧药房进出药管理中，当系统中录入的药品信息有误或不完整时，可能导致错误的采购、销售，甚至出现药品过期或药品混淆的情况，常规方法是通过药品的每种数据是否处于正常的波动范围内，进而判断是否出现异常。如果某条数据的不同维度的数据均在误差允许范围内并不能完全说明该条数据不为异常数据，通过常规方法无法检测到这种异常，因此如何对智慧药房进出药信息进行准确地异常检测是个急需解决的问题。

技术实现思路

1、为了解决现有方法无法对智慧药房进出药信息中的异常数据进行准确地检测的问题，本发明的目的在于提供一种智慧药房进出药管理系统，所采用的技术方案具体如下：

2、本发明提供了一种智慧药房进出药管理系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

3、获取智慧药房系统中待检测药品数据和若干条正常药品数据，其中每条药品数据中包含不同维度的数据；

4、判断所述待检测药品数据是否满足预设数据范围，若不满足，则判定待检测药品数据为疑似异常药品数据，基于疑似异常药品数据和所有正常药品数据获得不同维度的数据，分别对每个维度的数据进行分类获得每个维度的若干个类别；根据不同维度下的每两个类别中数据的相似情况和数据对应的频率，得到不同维度下的每两个类别的共现评价值；基于所述共现评价值和不同维度下的每两个类别中的数据对应的频率筛选高频属性对；

5、基于所述高频属性对以及对应的共现评价值构建图结构；基于格里-纽曼算法和所述共现评价值对所述图结构进行处理获得图结构中每个节点对应的目标概率；

6、基于所述目标概率判断疑似异常数据是否为异常数据。

7、优选的，所述基于疑似异常药品数据和所有正常药品数据获得不同维度的数据，分别对每个维度的数据进行分类获得每个维度的若干个类别，包括：

8、对于第a个维度：

9、基于第a个维度下每种数据的频率构建第a个维度对应的直方图；采用otsu多阈值分割算法对所述直方图进行分割，获得第a个维度的若干个类别。

10、优选的，所述根据不同维度下的每两个类别中数据的相似情况和数据对应的频率，得到不同维度下的每两个类别的共现评价值，包括：

11、对正常药品数据和待检测药品数据进行标号获得每条药品数据的次序值；分别将每个类别中所有数据对应的次序值构成的序列记为每个类别的次序序列；

12、对于第a个维度下第a个类别与第b个维度下第b个类别：计算第a个维度下第a个类别的次序序列与第b个维度下第b个类别的次序序列之间的相似度；

13、根据第a个维度下第a个类别中所有数据的方差、第b个维度下第b个类别中所有数据的方差、第b个维度下第b个类别中所有数据对应的频率的最大值、第a个维度下第a个类别中所有数据对应的频率的最大值和所述相似度，得到第a个维度下第a个类别与第b个维度下第b个类别的共现评价值。

14、优选的，采用如下公式计算第a个维度下第a个类别与第b个维度下第b个类别的共现评价值：

15、；

16、其中，ha,b表示第a个维度下第a个类别与第b个维度下第b个类别的共现评价值，sa,b表示第a个维度下第a个类别与第b个维度下第b个类别之间的相似度，ma,a表示第a个维度下第a个类别中所有数据的方差，mb,b表示第b个维度下第b个类别中所有数据的方差，f(a,a)表示第a个维度下第a个类别中所有数据对应的频率的最大值，f(b,b)表示第b个维度下第b个类别中所有数据对应的频率的最大值，min( )表示取最小值函数，max( )表示取最大值函数，e表示自然常数。

17、优选的，所述基于所述共现评价值和不同维度下的每两个类别中的数据对应的频率筛选高频属性对，包括：

18、对于任一类别：将该类别中所有数据对应的频率之和作为该类别的特征值；

19、将不同维度下的两个类别的特征值均大于预设特征阈值的两个类别记为待分析类别对；将共现评价值大于预设评价阈值的两个类别作为一个匹配对；

20、分别将每个待分析类别对和每个匹配对均作为一个高频属性对。

21、优选的，所述基于所述高频属性对以及对应的共现评价值构建图结构，包括：

22、基于所有高频属性对构建图结构，其中图结构的节点为类别，节点值为对应类别中所有数据的平均值，不同节点之间的边权值为对应的共现评价值。

23、优选的，基于格里-纽曼算法和所述共现评价值对所述图结构进行处理获得图结构中每个节点对应的目标概率，包括：

24、采用格里-纽曼算法对所述图结构进行处理，去除图结构中共现评价值最小的边获得新的图结构，去除新的图结构中共现评价值最小的边，以此类推，对类别进行更新；

25、对于第k个节点：

26、将第k个节点与除其所在的高频属性外的其他节点之间的边被首次单独去除时所对应的迭代次数，作为第k个节点对应的划分次数；

27、将第k个节点与其所在的高频属性对被分离出去时所对应的迭代次数，记为第k个节点的分离值；

28、将第k个节点与其所在的高频属性对被分离出去时所断开的节点记为划分节点；

29、根据第k个节点与所述划分节点的共现评价值、第k个节点所在的高频属性对中除第k个节点外的节点与所述划分节点的共现评价值、所述划分次数和所述分离值，获得第k个节点对应的目标概率。

30、优选的，根据第k个节点与所述划分节点的共现评价值、第k个节点所在的高频属性对中除第k个节点外的节点与所述划分节点的共现评价值、所述划分次数和所述分离值，获得第k个节点对应的目标概率，包括：

31、将第k个节点与所述划分节点的共现评价值和第k个节点所在的高频属性对中除第k个节点外的节点与所述划分节点的共现评价值两者的均值，记为共现评价均值；

32、计算第k个节点对应的划分次数与第k个节点的分离值的比值，将所述比值与所述共现评价均值的乘积的归一化结果作为第k个节点对应的目标概率。

33、优选的，所述基于所述目标概率判断疑似异常数据是否为异常数据，包括：

34、将目标概率大于预设概率阈值，且包含疑似异常数据中的数据的高频属性对记为目标属性对；

35、计算所有目标属性对的共现评价值的平均值，基于所述所有目标属性对的共现评价值的平均值判断疑似异常数据是否为异常数据。

36、优选的，基于所述所有目标属性对的共现评价值的平均值判断疑似异常数据是否为异常数据，包括：

37、判断所述所有目标属性对的共现评价值的平均值与标准共现评价值之间的差异是否大于预设差异阈值，若大于，则判定疑似异常数据为异常数据。

38、本发明至少具有如下有益效果：

39、本发明针对现有方法在对智慧药房进出药数据进行异常检测时，将每个维度的数据与标准数据范围进行比较，只基于比较结果对智慧药房进出药数据进行评价存在的检测结果准确性较低的问题，本发明首先将待检测药品数据与预设数据范围进行比较，若待检测药品数据不处于预设数据范围，则判定待检测药品数据为疑似异常药品数据，本发明将对其进行进一步分析，将疑似异常药品数据和所有正常药品数据放到一起获得每个类别的数据，根据不同维度下的每两个类别中数据的相似情况和数据对应的频率，获得了不同维度下的每两个类别的共现评价值，进而筛选多个高频属性对，并基于所有的高频属性对构建图结构，图结构用于反映不同维度的不同类别之间的关联关系，也即通过对每条数据的不同维度的关联规则进行挖掘，进而基于共现评价值，结合格里-纽曼算法对疑似异常数据的异常性进行判断，与现有方法相比，在保证异常数据识别效率的同时，能够对智慧药房进出药系统中较不明显的异常数据进行准确识别，提高了智慧药房进出药异常数据检测结果的准确度。