《中醫(yī)狀態(tài)學(xué)》是中醫(yī)治未病理論的奠基之作,為治未病、健康管理提供了理論指導(dǎo)和頂層設(shè)計(jì)。狀態(tài)與健康狀態(tài)辨識是中醫(yī)狀態(tài)學(xué)的重要組成內(nèi)容,算法模型的科學(xué)性、準(zhǔn)確性直接影響著健康狀態(tài)辨識的發(fā)展。建立智能、準(zhǔn)確的辨識算法模型是健康狀態(tài)辨識的關(guān)鍵問題,本研究從理論、臨床數(shù)據(jù)集及人工智能方法來研究中醫(yī)健康狀態(tài)辨識算法模型。目的構(gòu)建中醫(yī)狀態(tài)辨識模型算法,為中醫(yī)健康狀態(tài)評估提供技術(shù)支持。一方面可以提高中醫(yī)健康狀態(tài)辨識算法的成熟度,以便應(yīng)用于臨床;另一方面,在大數(shù)據(jù)背景下探索基于機(jī)器學(xué)習(xí)的模型算法,有助于算法模型本身的快速優(yōu)化,以便適應(yīng)復(fù)雜多變的應(yīng)用場景。方法1.系統(tǒng)梳理相關(guān)文獻(xiàn),圍繞著狀態(tài)與健康狀態(tài)辨識的概念與內(nèi)涵、健康狀態(tài)辨識模式研究、健康狀態(tài)辨識算法研究以及存在的問題和解決方案開展研究。2.利用臨床收集的1146例數(shù)據(jù)構(gòu)建中醫(yī)健康狀態(tài)數(shù)據(jù)集,進(jìn)行中醫(yī)健康狀態(tài)辨識模型算法研究,采用經(jīng)典的人工智能算法K最近鄰（kNN）、支持向量機(jī)（SVM）、決策樹（DT）,以及人工神經(jīng)網(wǎng)絡(luò)（BP-MLL）進(jìn)行算法模型的構(gòu)建,并對其性能進(jìn)行比較。3.采用新的多標(biāo)記分類算法ML-kNN、RankSVM、LIFT對中醫(yī)健康狀... 

【文章頁數(shù)】：86 頁

【學(xué)位級別】：博士

【文章目錄】：
中英文縮略詞
中文摘要
Abstract
引言
第一部分 中醫(yī)健康狀態(tài)辨識算法的基礎(chǔ)研究
    1 中醫(yī)狀態(tài)學(xué)是健康狀態(tài)辨識的理論基礎(chǔ)
        1.1 狀態(tài)
        1.2 健康狀態(tài)
        1.3 健康狀態(tài)辨識模式
        1.4 中醫(yī)狀態(tài)學(xué)理論指導(dǎo)中醫(yī)健康狀態(tài)辨識
    2 狀態(tài)辨識算法研究
        2.1 算法模型與健康狀態(tài)辨識匹配性
        2.2 健康狀辨識算法模型的研究
        2.3 中醫(yī)狀態(tài)辨識模型是中醫(yī)健康狀態(tài)辨識算法的基礎(chǔ)
    3 存在的問題和解決方案
        3.1 存在的問題
        3.2 解決方案
第二部分 人工神經(jīng)網(wǎng)絡(luò)及經(jīng)典算法構(gòu)建中醫(yī)健康狀態(tài)辨識模型
    1 實(shí)驗(yàn)資料
        1.1 臨床資料
        1.2 納入標(biāo)準(zhǔn)
        1.3 排除標(biāo)準(zhǔn)
    2 方法
        2.1 樣本的處理
        2.2 預(yù)測過程
        2.3 數(shù)據(jù)預(yù)處理
        2.4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練及軟件實(shí)現(xiàn)
        2.5 決策樹、kNN、SVM算法
        2.6 評價(jià)標(biāo)準(zhǔn)
    3 結(jié)果
        3.1 不同組數(shù)據(jù)的BP-MLL神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果
        3.2 BP-MLL與決策樹、kNN、SVM的比較
    4 討論
        4.1 單標(biāo)記分類方法與人工神經(jīng)網(wǎng)絡(luò)BP-MLL的比較
        4.2 多標(biāo)記分類算法更適合解決多對多的關(guān)系
        4.3 多標(biāo)記分類算法對結(jié)果有反饋優(yōu)化的作用
第三部分 中醫(yī)健康狀態(tài)辨識中的多標(biāo)記分類方法研究
    1 實(shí)驗(yàn)資料
    2 方法
    3 結(jié)果
        3.1 不同隱藏神經(jīng)元參數(shù)的BP-MLL實(shí)驗(yàn)結(jié)果
        3.2 不同參數(shù)的ML-kNN實(shí)驗(yàn)結(jié)果
        3.3 不同參數(shù)的LIFT實(shí)驗(yàn)結(jié)果
        3.4 不同參數(shù)的RankSVM實(shí)驗(yàn)結(jié)果
        3.5 兩種單標(biāo)記分類算法與多標(biāo)記分類算法的實(shí)驗(yàn)結(jié)果對比
        3.6 四種多標(biāo)記分類算法結(jié)果對比
    4 討論
        4.1 四種多標(biāo)記分類算法的特點(diǎn)與優(yōu)勢
        4.2 多標(biāo)記分類解決中醫(yī)健康狀態(tài)辨識問題
        4.3 多標(biāo)記分類方法在中醫(yī)健康狀態(tài)辨識中的應(yīng)用思考
結(jié)論
創(chuàng)新與不足
參考文獻(xiàn)
附錄
文獻(xiàn)綜述
    參考文獻(xiàn)
致謝
作者簡歷


【參考文獻(xiàn)】：
期刊論文
[1]中醫(yī)與人工智能的探討[J]. 趙文,徐佳君,周常恩,李燦東.  福建中醫(yī)藥. 2019(05)
[2]冠心病不穩(wěn)定型心絞痛患者陽虛證卡方自動(dòng)交互檢測決策樹識別模式研究[J]. 史琦,孔艷華,趙慧輝,陳建新,李友林,王偉.  中醫(yī)雜志. 2019(15)
[3]中醫(yī)健康管理與人工智能[J]. 李燦東,辛基梁,雷黃偉,周常恩,朱龍.  中華中醫(yī)藥雜志. 2019(08)
[4]人工智能用于計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的有效策略[J]. 陳琛.  電腦編程技巧與維護(hù). 2018(12)
[5]機(jī)器學(xué)習(xí)算法在中醫(yī)診療中的研究綜述[J]. 張曉航,石清磊,王斌,王炳蔚,王永吉,陳力,吳敬征.  計(jì)算機(jī)科學(xué). 2018(S2)
[6]支持向量機(jī)在高血壓病中醫(yī)證候診斷中的應(yīng)用[J]. 許明東,馬曉聰,溫宗良,唐莎莎,楊小英,黃萬眾,岳桂華.  中華中醫(yī)藥雜志. 2017(06)
[7]疾病診斷與療效評價(jià)相關(guān)參數(shù)差異性理論探討[J]. 王洋,王昌恩,林雪娟,張秋仔,李燦東.  中華中醫(yī)藥雜志. 2016(08)
[8]近5年中醫(yī)證候診斷客觀化研究述評[J]. 徐瑋斐,劉國萍,王憶勤,燕海霞,郭睿.  中醫(yī)雜志. 2016(05)
[9]基于KNN核函數(shù)聚類的輪狀病毒統(tǒng)計(jì)分析[J]. 許華萍.  浙江中醫(yī)藥大學(xué)學(xué)報(bào). 2015(08)
[10]基于證素辨證模型的中醫(yī)健康管理系統(tǒng)研發(fā)[J]. 楊雪梅,甘慧娟,賴新梅,陳梅妹,王君,李燦東.  中華中醫(yī)藥雜志. 2015(08)

博士論文
[1]基于混合智能的中醫(yī)辨證系統(tǒng)研究[D]. 褚娜.上海交通大學(xué) 2012
[2]基于數(shù)據(jù)挖掘技術(shù)的證素辨證方法研究[D]. 晏峻峰.湖南中醫(yī)藥大學(xué) 2007

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的中醫(yī)體質(zhì)辨識研究[D]. 白麗娜.天津理工大學(xué) 2014
[2]基于深度學(xué)習(xí)與條件隨機(jī)場的多標(biāo)記學(xué)習(xí)方法的中醫(yī)問診建模研究[D]. 王立文.華東理工大學(xué) 2013



本文編號：3734212