复杂系统熵网络方法及其在中医肿瘤临床数据挖掘中的应用.pdfVIP

布，根据所研究的问题构造检验统计量，按排列组合的原理导出检验统计量的理论抽样分布， 再求出从该分布中获得现有样本的概率（P 值），并界定此概率值，作出推论。RPT 方法属 于一种非参数方法，特别适用于复杂的、总体分布未知的样本数据的统计推断[9]，下面介绍 两属性互信息关联度的 RPT 方法的具体步骤： ①建立假设，确定检验水平 H0 ：I (X , X ) =0 ；H1:：I (X , X ) ≠0 ；α=0.05 。 i j i j ②选择随机重排次数 M （如5000 次）。 ③计算当前样本的互信息I (X , X ) 。 i j ④for k=1:M 对X i 、X j 进行随机重排得到X ik ，X j k ； 计算 k 次重排下的互信息I k (X ik , X jk ) ； 如此重复 M 次，共可得到 M 个重排样本后互信息 I 值。 ⑤计算概率 P 值 在 H0 假设成立的前提下，P 值为“经验抽样分布” 中的互信息I 值大于等于当前样本的互 信息 I 值的概率，即： P P ( I (X , X ) =≥ I (X , X ) ) number ( I (X , X ) =≥ I (X , X ) ) / M k ik jk i j k ik jk i j ⑥根据小概率原理做出推断 通过 RPT 方法，可以得到互信息意义下的显著相关的属性组合，但是由于互信息无法 区分正相关与负相关，因此本文定义双阳率b ，即两属性同时出现的概率，通常情况下，当 b 大于 0 时即可排除负相关，由此定义正相关度量函数 1 sig(I (X ,X ))α 且 bθ , ⎧ ⎪ i j ℜ(X , X ) ⎨ i j 0 其他 ⎪ ⎩ 其中 sig(I (X , X )) 是互信息 I 通过 RPT 方法得到的显著值，α是 RPT 检验水平，θ是双 i j 阳率阈值。 2. 复杂网络的构建 以考察的相关属性为节点，正相关度量函数ℜ(X , X ) 为边，建立复杂网络， i j ℜ(X , X ) =1 ，则X i 与X 具有正相关关系，在复杂网络中表现为X i 与X 邻接。根据属 i j j j 性 X 的性质，可以将X 分为若干组，如中药组，中医证候组，症状组，病人基本信息组， 化疗方案组，疗效评估组等等，然后通过节点成组筛选可以建立相应的子网络，如药物配伍 网，“药-证” 网，“药-症” 网，“证-症” 网，对不同子网络的相关信息进行统计即可得到多维属 性之间的关联信息 1）网络的中心性研究 （ 中心性研究是复杂网络研究的主要内容之一，网络中心性度量的指标有很多，包括节点 的中心度(Degree) 、接近度(Closeness) 、介数(Betweenness) 、信息(Information) 、特征向量 (Eigenvector)等，相对中心度(Relative Degree Centrality，RDC)可以描述并比较不同子网络的 节点重要性[10]，定义相对中心度 C ( X ) C ( X ) / (n =− 1) R d 其中 C ( X ) 是属性 X 的中心度，n 是属性个数。如对药物配伍子网络的中心性研究可 d 以帮助发现核心药物及相应的核心药对，对“症-证”子网络，“方-证”子网络，“药-症”子网络 的中心性研究可以发现核心证型，包括主要症状及其分布