基于MARS的肝阳化风证的模型研究-计算机技术专业论文.docxVIP

分类号 分类号 密级 学校代码10542 学号 基于MARS的肝阳化风证的模型研究 Liver Yang Forming Wind Syndrome model research based on MARS 指导教师姓名、职称 型受! 型整撞 学 科 专 业 盐簋巫垫查 研 究 方 向——数揖挖掘 湖南师范大学学位评定委员会办公室 二零一五年五月 万方数据 摘要多元自适应回归样条是一种基于拟合且自适应性很强的方法，同 摘要 多元自适应回归样条是一种基于拟合且自适应性很强的方法，同 时也是一种非常灵活的、泛化能力很强的、非线性的、非参数的专门 针对高维数据的处理方法。该方法以样条函数的张量积作为基函数， 以样本数据坐标作为可选的节点矢量值，算法过程以广义交叉验证最 小为标准选择基函数和节点矢量。本文紧紧围绕高维建模展开研究， 并试图探讨所建立的高维模型。 中医肝阳化风证是肝风内动证的三个亚型之一。为了探讨本证的 病理生理学基础，前人运用文献研究积累、专家经验、数理统计分析 等多种方法做了大量的研究，但是其本质内涵仍不清晰。肝阳化风证 具备中医的复杂性、整体性、非线性、动态性等各种特点，决定了肝 阳化风证的研究也需要走复杂系统研究的道路。肝阳化风证的辩证和 诊疗标准较多，对其进行量化后呈现出高维的状态，欲从科学理论的 角度揭示其辩证规律需要用到现代建模理论的思想和方法。 基于上述思想的指导，本文对肝阳化风证进行分析，利用多元自 适应回归样条算法建立最佳预测模型。本文主要研究内容如下： (1)分析了多元自适应回归样条方法区别于传统方法在高维建模 中的优势，其良好的模型解释能力，明确的指出了变量的分类，模型 的解释在方差分解下更加直观； (2)通过对症状数据的量化及规范化，根据中医系统的复杂性， 挖掘变量之间的关系，寻找隐含的证型模型，然后分析中医问诊的症 状和证型、症状和症状之间内在结构关系来建立模型； 万方数据 (3)N,N模型的方差分解图形直观的观察预测变量，分析变量对 (3)N,N模型的方差分解图形直观的观察预测变量，分析变量对 模型的影响方式预测症状对肝阳化风证的影响方式； (4)利用预留的数据检验模型，依据指定的各项指标来评价模型 的精度。结果显示建立的肝阳化风证模型有着较好的预测精度。 关键词：高维数据；高维建模；肝阳化风证；多元自适应回归样 条；方差分解 万方数据 AbstractMultivariate Abstract Multivariate Adaptive Regression Splines(MARS) is a self-adaptable method based on fitting，also a processing method specializing for high dimensional data that is nonlinear,non-parametric， and very flexible，of strong generalization ability．The method takes product spline as the basis function and sample data coordinates as an optional node vector value，its procedure choose basis functions and node vector according to minimum Generalized Cross—Validation(GCV)．In this paper,we focus on studying high dimensional modeling，and are attempt to explore the high dimensional model established． Liver Yang Forming Wind Syndrome(LYFWS)，as a syndrome of Traditional Chinese medicine(TCM)，is one of the three subtypes of endogenous Liver Wind Syndrome．To investigate the pathophysiology basis of this syndrome，many people used a variety of methods，such as literature accumulated，expertise，mathematical statistical analysis，to do a lot of research，but it