论文摘要
中医作为中华民族的瑰宝,距今已经有几千年的发展历史。各代医家在长期的临床实践中积累了大量的经验,对这些经验的总结不但能丰富中医的理论体系,还能对中医的现代化起到巨大的促进作用。因此,对中医各种资料的总结、挖掘和利用是我国一项非常重要的任务。然而,传统的方法通过口传身受、手工整理难以做到系统化、客观化。因此,有必要用计算机技术对中医药资料进行挖掘利用,整理归纳中医药资料隐含的规律。贝叶斯网络作为一种被广泛成功应用的数据挖掘技术,其在医疗行业也有很成功的应用。本文以慢性胃炎临床诊断病例以及近现代名老中医“内生五邪”医案为原始数据,针对贝叶斯网络应用到这些数据中碰到的问题,本文提出了数据预处理和分组降维等解决方法,具体工作如下:(1)分析探讨了中医医案的特点,对慢性胃炎病例和“内生五邪”医案做规范化处理,针对中医医案难以量化的特点,提出症状分解的方法,为中医数据处理提供了一条解决思路。(2)分析了慢性胃炎病例数据的症状维高,数据分布稀疏的特点,探讨了主成分分析法在此类数据的降维效果。针对慢性胃炎病例数据的特点,提出并详细描述了层次聚类和主成分分析法相结合的分组降维方法。最后分析了该分组降维方法对贝叶斯网络学习能力的提升以及存在的问题。(3)描述了“内生五邪”医案的数据缺失问题,详细介绍了缺失数据的定义以及对贝叶斯网络学习的影响。提出了一种基于模拟退火和BC算法的改进的SEM算法(E-SEM)。最后把E-SEM算法应用到“内生五邪”医案的“五邪”识别并对算法性能做了分析。
论文目录
摘要Abstract第一章 绪论1.1 研究背景与意义1.2 数据挖掘技术在中医药领域的发展现状和存在的问题1.2.1 数据挖掘技术在中医药领域的应用1.2.2 中医药领域的各种数据挖掘方法1.2.3 存在的问题1.3 论文研究内容及创新点1.3.1 医案信息的预处理1.3.2 基于分组降维策略的慢性胃炎证型分类1.3.3 “内生五邪”医案的缺失数据处理1.4 论文组织安排第二章 贝叶斯网络的基本理论2.1 引言2.2 贝叶斯网络的构成2.2.1 相关概念和公式2.2.2 贝叶斯网络概述2.2.3 一个实例2.3 贝叶斯网络的特点与应用2.3.1 贝叶斯网络的特点2.3.2 贝叶斯网络的应用2.4 贝叶斯网络的推理机制2.5 贝叶斯网络的学习算法2.5.1 结构学习2.5.1.1 基于依赖分析的结构学习算法2.5.1.2 基于评分搜索的结构学习算法2.5.1.3 数据不完整的结构学习算法2.5.2 参数学习第三章 中医医案的采集和预处理3.1 引言3.2 原始数据采集与预处理3.2.1 慢性胃炎病例的采集与预处理3.2.2 “内生五邪”医案的采集与预处理第四章 基于分组降维策略的慢性胃炎证型分类4.1 引言4.2 病例数据的特点及存在问题4.3 症状的分组降维以及贝叶斯网络的学习4.3.1 症状聚类4.3.2 症状的主成分分析4.3.3 贝叶斯网络的建立与训练4.4 实验结果与分析4.4.1 与试验有关的一些问题4.4.2 未做降维处理病例的贝叶斯网络学习和分类4.4.3 降维处理后病例的贝叶斯网络学习和分类4.4.4 不同参数设置的降维及分类4.5 小结第五章 不完整数据下的贝叶斯学习及应用5.1 引言5.2 缺失数据的定义5.3 在不完整数据下学习贝叶斯网络时存在的问题5.4 缺失数据处理方法5.5 改进的SEM算法及其在“内生五邪”医案中应用5.5.1 SEM算法存在的问题以及改进算法5.5.2 关于E-SEM算法实现的一些问题5.5.3 实验结果与分析5.6 小结第六章 总结与展望6.1 总结6.2 展望参考文献致谢攻读硕士期间发表的论文
相关论文文献
标签:贝叶斯网络论文; 中医药数据挖掘论文; 缺失数据论文;