最大熵在中医智能辨证研究及其应用.docVIP

最大熵在中医智能辨证研究及其应用 　　摘 要： 分析了中医临床记录中症状与症候类别之间的关系，将机器学习中的最大熵原理应用于中医辨症中，建立相应的分类模型，从而观察类别预测的正确性，为中医智能诊断提供初筛和决策支持。同时，将基于最大熵的分类器和基于朴素贝叶斯的分类器进行比较，结果显示，基于最大熵的分类效果胜过朴素贝叶斯分类。这表明将最大熵原理以及算法应用在中医诊断是可行的。 　　关键词： 中医临床记录； 最大熵； TCM； 中医辨证 　　中图分类号：TP311.1 文献标志码：A 文章编号：1006-8228（2015）03-50-04 　　Abstract： The relationship between clinical medicine symptoms and symptoms categories of records are analyzed. The principle of maximum entropy in machine learning is applied to the TCM syndrome. The corresponding classification model is established to observe the category and forecast category correctness. Intelligent diagnosis for TCM is provided to support the screening and decision support. Compared with the simple Bayesian classifier， the experimental results show that the maximum entropy classification is more effective than Naive Bayes. This suggests that the maximum entropy principle and the algorithm are feasible in the classification of traditional Chinese medicine. 　　Key words： the doctor of traditional Chinese medicine clinical record； maximum entropy； TCM； syndrome differentiation 　　0 引言 　　随着信息化和科技化的发展，实现中医现代化这一进程刻不容缓，中医诊断智能化是实现中医现代化的重要部分，而在中医诊断智能化中，必须解决的核心问题和关键技术就在于中医智能辨证[1-2]。中医辨证是需要经历由症状等信息，诊断出病，再考虑用药这一过程，该过程有非线性、模糊性和复杂性等特点，由此产生的数据有不规范化性和模糊性等特征，如果单纯的由人工对这庞大数据进行分类分析，就难以保证对全部中医相关信息的综合考量。 　　数据挖掘本身就是通过分析数据，从海量数据中挖掘出潜在的客观规律或隐藏的有用信息，这一特点使其能够成为能从中医海量数据中挖掘相关信息的主要技术之一，基于此，我们将研究如何使用数据挖掘技术来实现中医的智能辨证。 　　中医辨证的诊断过程，实质上是由中医临床记录收集到的各种症状，通过分析，预估证型的过程，其过程相当于分类，因此我们可以采用数据挖掘中的分类方法来解决。关于分类方法有两类模型，一类是生成模型（假设给定证型，由哪些相关症状得出证型），另一类是判别模型（通过给定相关症状来得出证型），它们是分别从不同视角来解决分类问题的。最大熵是属于判别模型中的一种，现已被广泛用于文本分类中，但实际应用于中医智能辨证的研究还很少。因此我们选用最大熵对其进行中医症候的分类，对其进行相关实验研究及其分析，从而为中医智能诊断决策提供一次初筛。 　　1 最大熵原理应用 　　最大熵原理是由E.T. Jaynes在1957年提出来的。其主要思想是，在只掌握关于未知分布的部分知识，应该选取符合这些知识但熵值最大的概率分布[3]，因为在这种情况下，符合已知知识的概率分布可能不止一个，而熵定义的实际最大熵原理指出，我们需要对一个随机事件的概率分布进行预测时，预测应当满足已知的条件，而对未知的情况不要作任何主观假设，在这种情况下，条件概率分布最均匀，预测的风险最小，此时预测模型在满足约束条件下的信息熵最大[4]。 　　1.1 最大熵算法应用于中医辨证的可行性 　　最大熵在不同的领域有不同的表现形式，其灵活性很强。在中医智能辨证中，我们希望通过给定的症状、特征，来得出它属于哪类证型，但这一结果并没有一个