基于偏序结构理论的李赛美教授诊疗糖尿病思辨规律研究

辨证论治是中医的特点,然辨证论治的精准依靠医者的"悟性",使得医者的临床水平提高甚慢。中医的海量临床数据具有大数据的特点,在大数据的时代,如何建立中医的大数据模型,使中医丰富的临床经验得以充分展现并继承是当今研究的重点。本文基于形式概念分析理论,利用属性偏序结构图对名中医李赛美教授诊疗糖尿病的思辨规律进行了初步分析,从12个方面讨论了糖尿病证属少阳时的症状体征特点。基于形式概念分析理论,将为中医药大数据的研究提供新的思路,具有重要的学术研究价值和应用价值。     

基于属性偏序表示原理的经方方证研究

方证研究是中医领域研究的热点,但方证之间数据量大,复杂度高,传统的数据挖掘方法面对海量的中医数据显得力不从心.随着大数据时代的到来,大数据的理念和技术为中医知识的充分研究带来机遇.本文基于形式概念分析的属性偏序表示原理,运用属性偏序结构图揭示方证的特征症状,对挖掘中医经典的科学内涵、促进学术创新有一定的借鉴价值.     

基于属性偏序原理的仲景经方咳嗽治疗规律知识发现

大数据全面性、模糊性及探求因果关系转向事物相关性的寻找等特点为中医理论及实践提供了新的研究思路。仲景医学之《伤寒论》及《金匮要略》中的经方内容具有大数据的特点,本文基于属性偏序原理,对仲景经方治疗咳嗽的规律进行全面的知识发现。研究结果表明基于属性偏序原理能很好地展现经方治疗咳嗽的方证规律及药物使用特点,适合用于经方相关研究。     

基于偏序结构理论的知识发现方法

大数据中的知识发现是大数据应用中的核心热点.本文从高度抽象认知事物视角出发,以表征事物普遍性为特征的概念驱动与表征事物特异性为特征的数据驱动两种方法学为哲学原理,提出了基于属性偏序结构图和对象偏序结构图的知识发现方法.分别从群结构、子群结构、支路、节点等角度对数据特征之间的结构关系进行讨论分析.属性偏序结构图将数据中具有某些共同特征的对象聚类到一起,是数据共性的表达;对象偏序结构图中,通过数据的独有属性可以快速有效的将特异性对象区分于其他对象.最后,以中医药方剂配伍研究问题为例,对张锡纯治疗中风的32个处方进行数据挖掘和知识发现,证明了该方法的有效性和实用性,为大数据知识发现研究提供了新的思路和方法.     

李赛美教授治疗2型糖尿病合并睡眠障碍处方用药分析

收集了李赛美教授门诊治疗2型糖尿病合并睡眠障碍的195份病历,基于形式概念分析的数学属性偏序表示原理,建立形式背景,生成属性偏序结构图,分析了李赛美教授治疗2型糖尿病合并睡眠障碍的处方用药经验。结果表明,李赛美教授治疗2型糖尿病合并睡眠障碍时,多从少阳证入手,善用柴胡汤类方,灵活合用经方,随症进行加减。基于数学属性偏序表示原理的知识发现方法,能有效发现李赛美教授诊疗2型糖尿病合并睡眠障碍的处方用药规律。     

属性偏序形式结构的数学形式化

属性偏序形式结构,作为一种基于人类认知原理和粒计算思想的知识发现和知识表示新理论,目前已有广泛的应用,但其理论基础缺乏抽象化数学化,这势必影响该理论的系统发展。针对上述问题,研究了属性偏序形式结构的数学形式化描述问题。首先,基于粒计算的思想提出了知识表示的形式化框架。在此基础上,通过定义对象集合的覆盖和最简覆盖,给出属性偏序形式结构的粒和粒群的概念,进而通过对粒衍生出粒群的充要条件的讨论,给出了属性偏序形式结构中的知识结构,从而完成属性偏序形式结构的数学形式化描述。最后,通过具体实例展示了利用数学形式化描述构造属性偏序形式结构的过程,并揭示了该过程所体现的人类认知规律。     

运用属性偏序结构图原理探析《伤寒论》中干姜的配伍规律

基于形式概念分析理论,以《伤寒论》中含干姜方剂、方剂中药物和方剂-药物关系为概念,借用描述事物普遍性和特殊性层次的复杂概念网络生成方法生成属性偏序结构图,从而给出相应方剂（对象）和不同含量的药物（属性）之间的关系结构可视化表示和解释.通过属性偏序结构图探析《伤寒论》中干姜的配伍规律,包括黄连汤、半夏泻心汤、小青龙汤中干姜配半夏,四逆汤中干姜配生附子.属性偏序结构图是将信息科学与传统中医伤寒学结合的新尝试,这种新途径有利于我们对《伤寒论》再学习和认识.     

形式背景中属性特征与对象特征的完备定义

形式背景是形式概念分析理论中的一个重要元素,是用于表达和记录对象与属性之间二元关系的数据载体;形式背景中属性间的关系、对象间的关系是非常重要的关系,由此表现出来的属性的特征、对象的特征非常值得研究.本文目的是给出形式背景中属性特征与对象特征的完备数学定义及其性质,为偏序结构理论的研究奠定坚实的基础.     

偏序结构环形图：一种大数据偏序结构可视化新方法

偏序结构图因其良好的知识可视化特性已在知识发现、数据挖掘等领域得以广泛应用.但在对大数据所形成的超大形式背景进行研究和分析时,偏序结构树形图存在的一些不足,使大数据可视化效果欠佳,不利于对大数据进行数据挖掘和知识发现.本文对偏序结构树形图进行改进,提出了可用于大数据分析的偏序结构环形图.对实例形式背景绘制出偏序结构环形图,并与其偏序结构树形图比较.实验结果表明,该方法清晰、直观,可视化效果较好,能更有效地呈现出大形式背景中的重要信息,可以应用在大数据的数据挖掘和知识发现中.     

大数据知识发现

随着信息技术的快速发展,人类面临的数据呈爆炸式增长,大数据的时代已经来临.大数据研究成为当今科学和经济社会发展的重大战略方向和必然趋势.大数据的巨大价值在于依据数据间关联性而建立的复杂结构关系网络中所蕴含的知识.大数据知识发现是一个非常重要和亟待解决的问题.本文总结了以燕山大学为核心的大数据研究团队部分最新工作,重点给出了大数据偏序结构理论及其相关工作的简要介绍,为快速、准确了解该团队的研究现状提供参考.     

偏序关系模型在社区卫生医疗系统中的应用与研究

分析了关系数据库中偏序的表现形式,基于偏序关系理论提出了点态序、字典序等概念,并以社区卫生医疗系统中的偏序关系模型为例,分析了不同的偏序对数据查询速度的影响,最后利用偏序关系对其模型进行修正,使系统的查询速度明显提高.     

基于偏序结构理论的情态与时、体、态互动关系知识发现研究

本文基于偏序结构理论和方法,研究了情态动词语义与时、体、态句法特征的互动关系。以英语情态动词can为目标词,划分了can的3个词义:能力(ability)、允许(permission)和可能性(possibility)。以can与相邻词的互信息作为语义特征,显性和隐性时态、体、语态特征为句法特征,构建了反映情态动can词的3个词义与时、体、态句法特征共现关系的形式背景,并生成了可视化展示情态动词语义与其属性特征之间的偏序结构关系和概念层次关系的属性偏序图。基于此图,发现了情态动词can与时、体、态特征的互动关系等知识。本文研究结果为自然语言处理中的特征选择和规则提取研究提供了重要的理论和实践依据。     

偏序相似度在多属性决策问题中的应用

针对决策者只能提供决策方案的序数偏好信息,且属性权重系数不确定的多属性决策问题,提出了一种基于偏序之间相似度的多属性决策方法.该方法运用相似关系确定出相似度,建立了最大控制指标和最小被控制指标模型.通过模型的计算,得出方案集的两个全预序排列,然后将这两个全预序排列合并成方案集的最后排序.该排列具有更符合现实决策行为的偏序结构.最后,举例说明了该方法的可行性.     

偏序集与不同种广义拟阵间的包含关系

众所周知,偏序集理论在研究广义拟阵论中起着重要作用.但是偏序集理论与不同种广义拟阵间的包含关系的直接联系是什么呢?怎样运用偏序集理论的手法去解决该问题呢?为得到答案,首先对于定义在同一集上的全体广义拟阵构造一个偏序关系,运用这种偏序关系讨论不同种的广义拟阵间的包含关系.多数结论是以构造方式给出,因此也使其在理论和运用方面更加简捷明了.     

基于偏序的矿井导线网NF2嵌套关系模型

首先应用偏序空间理论,提出了井下测量对象的数据库论域命题,并论证了该命题的成立;然后提供了井下测量对象的NF2嵌套数据模型和测量对象的存储数据结构.根据上述理论、命题及数据模型和数据存储结构,提出了基于偏序空间的井下测量对象操作代数,最后给出了一个工程实例,验证了文中的理论和方法的正确性.图3,参5.     

R-偏序集上的不动点定理

研究对象是带有偏序逼近族的偏序集(poaets with families of approximating partial orders,简称R.偏序集),目的在于探索R-偏序集这一数学结构能否为语义域的研究提供一个较好的数学框架.Luis Monteiro在带有等价关系的集合(sets with families of equivalences,简称sfe)上重建了基于度量空间的语义域研究的部分理论.R-偏序集是较sfe更具普适性的结构.本文仿照Luis Monteiro在sfe上的结论及M.W.Mislove dcpo(directedly complete partial ordem)上Tarski不动点定理的证明,在R-偏序集上建立了逼近映射的不动点定理;同时构造了一个新的范畴R-POSET (即以R-偏序集为对象,R-单凋映射为态射的范畴),建立了范畴R-POSET与范畴GUMS(即以广义超度量空间为对象,非扩展映射为态射的范畴)之间的一个伴随,为从广义超度量空间角度研究R-偏序集提供了思路.     

基于偏序关系的粗糙集规则提取方法

规则提取算法中通常先约简属性再约简属性值,但该算法当属性数量增多时,会增加约简的复杂性,从而影响规则提取的速度.针对此问题,本文提出了一种基于偏序关系的粗糙集规则提取方法.首先,在不同粒度的知识空间上建立偏序关系;然后,利用各知识空间中隐含的属性冗余度作为启发式信息,对冗余属性进行逐层约简;最后,在约简后的属性集上提取决策规则.实例表明,该方法降低了属性约简的复杂性,提高了规则提取的速度.     

数据智能挖掘-分类与它的动态管理

利用P-集合生成的具有属性合取特征的大数据模型,给出属性推理结构与数据智能挖掘-分类方法,得到几个新的理论结果,给出数据智能挖掘-发现与未知数据获取准则.利用这些研究,给出数据智能挖掘-分类在数据动态管理中的应用.     

基于贝叶斯-遗传算法的多值无环CP-nets学习

条件偏好网(Conditional Preference networks,CP-nets)是描述属性间条件偏好的图模型,多值无环CP-nets学习是重要的研究方向之一.区别于传统的CP-nets学习方法,提出基于贝叶斯方法和遗传算法的多值无环CP-nets学习.在偏好处理上以多值属性的完整偏序关系作为条件偏好,进行相关性关系判定.随后,基于贝叶斯方法,以单一父属性推出多父属性下的相关性关系,进行CP-nets结构学习.采用遗传算法在CP-nets结构搜索空间中进行搜索,求解最优结构.通过Delink算法进行去环,完成无环CP-nets学习.在寿司数据集上验证算法的有效性,实验结果表明,基于贝叶斯-遗传算法的CP-nets学习算法能够在有限时间内学习得到局部最优无环CP-nets.     

属性拓扑与属性偏序双向转化

属性拓扑和属性偏序是近年来新提出的两种形式背景表示方法。其中,属性拓扑基于属性耦合关系实现形式背景的简洁可视化表示,并发展出多种形式概念计算方法。属性偏序则以偏序关系为基础表示形式背景。针对两种新方法在形式概念分析领域中的互补关系,本文从集合论的角度论述属性拓扑与属性偏序双向转化的数学基础,描述不同二元关系下二者的转化原理与方法,并在此基础上提出属性拓扑和属性偏序双向转化算法,实现二者等价可逆转化,为形式背景提供统一的表示基础。