复杂系统熵聚堆算法及其在中风病临床的应用

对数据进行非监督聚类是中医临床研究的主流和难点.提出了一种非监督的复杂系统熵聚堆算法.它改进了关联度系数,不但能实现自组织非监督聚类,而且可以实现一个变量分在不同的类里;提出并证明了N-class相关的概念,加快算法的收敛速度.它运用到中风病临床数据中,非监督地提取出了中风病中常见的证候,结果十分符合临床; 参考数据的辨证结果对算法进行了验证,得到算法的敏感度为97.3%, 这验证了算法的有效性.它为中医临床治疗中风病的规范化奠定了数理基础.     

基于熵的分划方法在中医证候研究中的应用

提出了一种基于熵的复杂系统分划方法用于中医证候诊断研究的新方法.根据临床流行病学调查获得400例血管内皮功能障碍患者的临床资料,收集相应的中医症状信息;以基于熵的复杂系统分划方法取得血管内皮功能障碍阴虚证的症状集合并确定其诊断阈值;最后从灵敏度、特异度、符合率3个方面对此诊断标准进行检验,结果证明该诊断标准有较好的诊断效能.说明基于熵的复杂系统分划方法适用于中医证候诊断的研究,为中医证候诊断的研究开辟了一条新途径.     

中医辨证的智能系统模型

随着科学技术的发展,人们的认识不断提高。人们却发现事物变得越来越复杂,事物之间存在复杂的关系,很难用精确的数学模型来表达。中医是一门传统科学,目前对中医还没有一个完全的认识。辨证论治是中医理论的核心,辨证过程是个非常复杂的过程,没有一个严格的规则可以遵循。针对中医通过学习和积累经验进行辨证的过程,利用以往中医专家辨证的临床案例,从神经行为学和认知心理学角度出发,提出了用Boltzmann机神经网络进行中医辨证的智能系统模型。     

复杂系统中统计相关性测量的熵方法研究

在熵方法定义的关联度系数法的基础上，提出了一种计算复杂系统统计相关的广义关联度系数法，并将其应用到生态经济区划和中医理论（齿痕舌出现的特点）中，进而证明了该方法的有效性、结果表明：广义关联度系数法在计算时不需要特定的数据，从而减小了数据的不确定性和计算量；既适用于线性的情况也适用于非线性的情况；复杂系统分类所需的判据减少，使复杂系统分类简单化；可以对系统变量（或子系统）之间的相关性进行定量的描述．