| 题名 | 复杂系统建模——一类智能计算模型及其应用研究 |
| 作者 | 孙占全 |
| 学位类别 | 工学博士 |
| 答辩日期 | 2007-05-21 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 中国科学院自动化研究所 |
| 导师 | 易建强 ; 西广成 |
| 关键词 | 复杂系统 信息熵 相关 特征提取 综合评价 辨证论治 complex system information entropy correlation feature selection synthetic evaluation differentiation of syndromes |
| 其他题名 | Complex system modeling — Study on a kind of intelligent calculation models and their application |
| 学位专业 | 控制理论与控制工程 |
| 中文摘要 | 我的研究课题是基于国家重点基础研究发展计划（973计划）资助项目“证侯规范及其与疾病、方剂相关的基础研究”，课题研究的主要任务是以复杂系统分划的熵方法、基于相对熵最小化原理的智能系统理论及基于熵的复杂系统智能计算方法，根据中医的临床信息分析中医系统中证候、疾病及方剂之间复杂的相关性，对众多的症状指标做出综合的评价，根据四诊信息进行客观辨证，并力图揭示中医证候、疾病、方剂三者所组成的复杂系统整体特征演化的基本规律。 针对课题的主要研究任务，我的研究课题主要完成以下几方面的工作： 1 复杂系统特征指标相关性的研究 相关是数据分析的主要内容，目前已有大量的研究工作，已经形成了多种分析相关的方法。中医领域中常用的有相关系数法、主成分分析、因子分析、Logistic回归方法等，由于中医系统存在复杂的相关性，这些方法很难揭示它们之间存在的复杂相关性。因此，本课题利用基于熵的互信息方法定量分析中医系统中各指标之间的复杂相关性，研究了基于Shannon、Renyi熵等不同熵定义形式的互信息方法，并提出了用参数估计与互信息结合的方法来分析中医证候与理化指标之间的相关性。 2 多指标复杂系统的综合评价方法研究 综合评价在各个领域都得到了广泛的研究，在中医领域如何根据病人的临床众多的四诊信息来综合评价病人的病情轻重情况，是中医界广泛关注的问题。目前，中医领域对于定量的综合评价研究工作还很少，大多数工作都是基于定性的评价。定量的评价也是基于简单的将各指标的分值简单的求和来进行评价，这种方法不能够体现各指标之间存在的相关性。本文研究了一种基于熵的广义指标建立方法，并将其应用到中医指标的综合评价。 3 将基于互信息的特征提取与支持向量机分类器结合实现中医的客观辨证 中医的临床四诊信息有很多，但是如果将所有的四诊信息都记录是非常困难的，因此本课题提出用基于互信息的特征提取方法对中医中的四诊信息根据其对于辨证的作用大小进行选择，提取出对于辨证信息量最大的症状组合，作为客观辨证的标准。提出了一种快速计算离散变量联合互信息的方法，提出了一种基于互信息的贡献度定义形式，并将其作为特征提取的截尾准则。将提取出来的症状组合用支持向量机分类，实现中医的客观辨证。 4 无监督聚类方法的研究 中医的临床诊断都是根据医生的经验主观给出的，对于辨证没有一个严格的客观标准。如何利用四诊的症状信息，通过客观的聚类分析方法，以发现中医辨证存在的客观规律。本课题研究了两种无监督聚类方法：高阶无监督Boltzmann机和基于扩展熵的无监督聚类分析方法，并分别用于中医的病例聚类与症状聚类分析。 5 中医中疾病、证候、方剂的系统模型 辨证过程是人脑思维的过程，是非常复杂的过程，没有严格的规律可以遵循。因此要实现模拟中医辨证过程，需要依靠智能的方法来实现。本课题从智能系统结构分析出发，利用智能系统来模拟中医辨证的复杂过程，通过对中医辨证智能系统的结构分析，提出了用确定性Boltzmann机神经网络进行中医辨证的智能系统模型。根据中医的辨证论治过程，提出了利用主成分分析对四诊信息进行降维，然后利用BP神经网路进行辨证，将辨证结果输入Boltzmann机，开出相应的方剂来模拟中医辨证论治的多层神经网络模型。 最后，对取得的研究成果进行了总结，并展望了需要进一步开展的研究工作。 |
| 英文摘要 | My research project has been supported by National Basic Research Program of China (973), “Basic research on standards of the syndrome defined by Chinese medicine and its correlation with diseases and formulas”. The main task is to analyze the complicated correlations among syndromes, diseases, and formulas of Traditional Chinese Medicine, to evaluate the symptom indices synthetically, to diagnose the syndromes according to collected four diagnoses information, and to try to discover the evolution rules of the complex system composed of syndromes, diseases, and formulas, by using the entropy method of complex system partition, cross entropy minimization based intelligent system principles, and entropy based intelligent calculation methods. According to the project requirement, I have finished following work. 1 The study of correlation of complex system In this thesis, mutual information method based on information entropy is studied to analyze the correlations among the indices of TCM system. Mutual information methods defined on Shannon and Renyi’s entropy are studied and a method that combines parameter estimation with mutual information is proposed to analyze the correlation between syndromes of TCM and physicochemical parameters. 2 The study of synthetic evaluation of multi-index complex system In this thesis, a generalized index building method based on entropy is studied and it is applied to the synthetic evaluation of TCM indices. 3 Objectively differentiation of syndromes combines mutual information based feature selection and Support Vector Machines In this paper, feature selection based on mutual information is studied to select the most informative symptom combination and they are taken as the standard for objectively differentiation of syndromes. A fast algorithm for calculating the combination mutual information of discrete variables is proposed. A novel definition of contribution rate based on mutual information is proposed and it is used as the stopping rule of feature selection. The selected symptoms combination is input to SVM classifier for objectively differentiation of syndromes. 4 The study of unsupervised clustering methods Two unsupervised clustering methods are studied in this thesis, i.e. high order unsupervised Boltzmann machine and unsupervised clustering method based on extended entropy. They are used to analyze the clustering of clinic cases and symptoms respectively. 5 System model of disease, syndrome, and formula of TCM In this thesis, we take use of intelligent system to simulate the process of differentiation of syndromes. Through analyzing the intelligent system, we propose an intelligent differentiation of syndromes model that is realized with determined Boltzmann neural network. At last, summarize the research result and prospect the future research work. |
| 语种 | 中文 |
| 其他标识符 | 200418014628090 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/5964]  |
| 专题 | 毕业生_博士学位论文 |
| 推荐引用方式 GB/T 7714 | 孙占全. 复杂系统建模——一类智能计算模型及其应用研究[D]. 中国科学院自动化研究所. 中国科学院研究生院. 2007. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论