基于SVM與關(guān)聯(lián)規(guī)則中醫(yī)舌象數(shù)據(jù)挖掘技術(shù)初步研究.pdf

1、舌診是中醫(yī)望診的重要組成部分，在中醫(yī)四診客觀化與現(xiàn)代化研究中相對(duì)發(fā)展地最成熟。近年來(lái)，中醫(yī)舌象的自動(dòng)分析在方法學(xué)上取得了可喜的進(jìn)展，對(duì)一些重要舌象指標(biāo)如舌色、苔色、苔厚、裂紋、濕度、舌苔腐膩等已經(jīng)實(shí)現(xiàn)了自動(dòng)定量分析，這給中醫(yī)診斷提供了客觀的依據(jù)，同時(shí)對(duì)舌象信息數(shù)據(jù)挖掘的研究奠定了基礎(chǔ)。 中醫(yī)在觀察舌象時(shí)，往往是對(duì)多個(gè)舌象特征在人腦中進(jìn)行處理、分析后得出結(jié)論，然而這種方法受主觀性的影響，不同的中醫(yī)可能得出不同的結(jié)論，重復(fù)性較差。研

2、究舌象多特征同中醫(yī)判斷結(jié)論之間的關(guān)系是非常重要的。令人遺憾的是，到目前為止，基于信息處理技術(shù)的舌象多特征同中醫(yī)證候之間的關(guān)系的研究報(bào)道非常鮮見(jiàn)，尚沒(méi)有突破性進(jìn)展。因此，本論文基于數(shù)據(jù)挖掘技術(shù)來(lái)初步探討中醫(yī)舌象多特征同中醫(yī)判斷結(jié)論之間的對(duì)應(yīng)關(guān)系。 本論文初步基于舌象的多個(gè)特征進(jìn)行關(guān)聯(lián)分析，首先對(duì)原始舌診數(shù)據(jù)進(jìn)行了數(shù)據(jù)變換，數(shù)據(jù)集成基本的數(shù)據(jù)預(yù)處理。然后把經(jīng)過(guò)數(shù)據(jù)預(yù)處理的中醫(yī)舌象信息使用廣義規(guī)則歸納法(GRI)進(jìn)行關(guān)聯(lián)規(guī)則挖掘，得到

3、了中醫(yī)舌象特征與證候之間的關(guān)聯(lián)關(guān)系，這是基于舌象多特征對(duì)中醫(yī)病癥輔助診斷的首次嘗試，對(duì)于提高診斷正確性和高效性，從而減少誤診起到一定的積極作用，初步實(shí)現(xiàn)對(duì)大量原始中醫(yī)舌象信息進(jìn)行智能分析獲取有用知識(shí)。 另外，舌質(zhì)、舌苔的顏色分析是舌診的重要內(nèi)容，根據(jù)已有數(shù)據(jù)挖掘出其中的分類規(guī)則是舌診現(xiàn)代化的當(dāng)務(wù)之急。已有文獻(xiàn)中基于SVM(supportvectormachine)分類器的研究工作取得了一定的進(jìn)展，但其推廣性能，樣本的識(shí)別速度仍有

4、待提高。根據(jù)SVM對(duì)小樣本有較好的學(xué)習(xí)能力和推廣能力，結(jié)合中醫(yī)舌象樣本的特點(diǎn)，將多類SVM方法應(yīng)用到中醫(yī)舌質(zhì)、舌苔識(shí)別中。本論文介紹了三種用于多分類的SVM算法，包括“1-a-1”及其改進(jìn)算法、DAG-SVM算法，并對(duì)其進(jìn)行了比較，其中“1-a－1”方法識(shí)別精度較高，樣本識(shí)別時(shí)經(jīng)過(guò)的分類器多，識(shí)別速度較慢，而DAG-SVM算法識(shí)別速度較快，識(shí)別精度較低。本論文實(shí)現(xiàn)了一種基于可分離性測(cè)度的DAG-SVM算法，并將其應(yīng)用于中醫(yī)舌象分析中，理