1.一种医院信息集成平台的患者主索引匹配方法，其特征在于，包括以下步骤：

S1：生成合格样本，具体如下：首先对医院信息集成平台中的患者就诊信息进行取样，然后判断取样的患者就诊信息中的身份证号、居民健康卡号和医保卡号是否是同一就诊患者，如果是同一就诊患者，判断每个身份证号、居民健康卡号和医保卡号对应的姓名、性别和出生日期是否一致，如果一致生成合格样本，否则不能生成合格样本；若干合格样本组成样本总量；

S2：样本监督学习，具体如下：对任一合格样本配置初始匹配因子和设置初始匹配因子的初始权重参数，建立EMPI匹配模型；然后通过人工神经网络对该合格样本进行训练，所述训练是指采用线性回归算法计算初始匹配因子的加权权重；接着对样本总量的其余合格样本先进行合并、生成合并样本，然后根据初始匹配因子和加权权重对合并样本进行校验，对校验成功的合格样本进行标记；当校验成功率达到90％，进入步骤S4，校验成功率是指校验成功的合并样本总数与样本总量的比例，当校验成功率低于90％，进入步骤S3；

S3：增强学习，具体为人工查找合并样本与合格样本不一样的原因，或者使用EMPI匹配模型对医院信息集成平台中的其余就诊信息进行EMPI匹配、然后检查合并样本；在增强学习时，如果没有调整匹配因子，进入步骤S4，如果调整匹配因子，进入步骤S2；

S4：学习结束，记录匹配因子和权重参数。

2.一种医院信息集成平台的患者主索引匹配系统，其特征在于：包括信息录入单元、取样单元、监督学习单元、增强学习单元和匹配单元；

所述信息录入单元用于录入患者就诊信息，生成就诊信息数据库；

所述取样单元用于从就诊信息数据库取样、生成若干合格样本，每个合格样本包括身份证号、居民健康卡号、医保卡号、姓名、性别和出生日期，若干合格样本组成样本总量；

所述监督学习单元用于对样本总量进行监督学习，所述学习是指根据任一合格样本配置初始匹配因子和设置初始匹配因子的初始权重参数，建立EMPI匹配模型；然后通过人工神经网络对该合格样本进行训练，所述训练为采用线性回归算法计算初始匹配因子的加权权重，接着对样本总量的其余合格样本先进行合并、生成合并样本，然后根据初始匹配因子和加权权重对合并样本进行校验，对校验成功的合格样本进行标记；当校验成功率达到

90％，记录匹配因子和权重参数，学习过程结束，校验成功率是指校验成功的合并样本总数与样本总量的比例；

在校验成功的合并样本总数与样本总量的比例低于校验成功率时，所述增强学习单元对样本总量进行增强学习，所述增强学习是指人工查找合并样本与合格样本不一样的原因，或者使用EMPI匹配模型对就诊信息数据库中的其余患者就诊信息进行EMPI匹配、然后检查合并样本；当增强学习单元没有调整匹配因子时，记录匹配因子和权重参数，当增强学习单元调整匹配因子时，所述监督学习单元对调整后的匹配因子继续进行学习；

所述匹配单元根据记录的匹配因子和权重参数对身份证号、居民健康卡号或者医保卡号缺失的患者就诊信息进行匹配计算，如果计算后的匹配率符合要求，对患者就诊信息进行合并。

3.根据权利要求2所述的医院信息集成平台的患者主索引匹配系统，其特征在于：所述样本总量采用均衡分布的方式生成且样本总量的数量不低于就诊患者总量的30％。

4.根据权利要求2所述的医院信息集成平台的患者主索引匹配系统，其特征在于：所述增强学习单元调整匹配因子后，校验成功率需重新配置。

5.根据权利要求2所述的医院信息集成平台的患者主索引匹配系统，其特征在于：所述合并为将合格样本中的身份证号、居民健康卡号和医保卡号任两个证件号对应患者就诊信息进行合并，所述校验为根据初始匹配因子和权重参数计算合并样本与合格样本是否相同，如果相同，检验成功。

6.根据权利要求2所述的医院信息集成平台的患者主索引匹配系统，其特征在于：合格样本的生成步骤如下：首先判断身份证号、居民健康卡号和医保卡号是否是同一就诊患者，如果是同一就诊患者，判断每个身份证号、居民健康卡号和医保卡号对应的姓名、性别和出生日期是否一致，如果一致生成合格样本，否则不能生成合格样本。