復(fù)雜系統(tǒng)方法學(xué)與中醫(yī)證候建模

前言

　　2004年9月份以來(lái)，我和我的學(xué)生有幸參加973項(xiàng)目在中醫(yī)藥領(lǐng)域中“證候規(guī)范及其與疾病、方劑相關(guān)的基礎(chǔ)研究”（2003CB517100）和“絡(luò)病學(xué)說(shuō)與針灸理論的基礎(chǔ)研究”（2005CB523300）的科研工作，任務(wù)分別是基于抽象神經(jīng)自動(dòng)機(jī)理論和復(fù)雜系統(tǒng)建模中的熵方法，研究中醫(yī)證候及其與疾病、方劑的相關(guān)性和絡(luò)病與血管病變相關(guān)性的復(fù)雜系統(tǒng)建模分析。在這幾年時(shí)間里，研究工作取得了一些成果，對(duì)這些成果進(jìn)行總結(jié)并向?qū)W術(shù)界介紹和展示，向那些在學(xué)術(shù)研究道路上關(guān)心我、鼓勵(lì)我但至今未曾謀面的學(xué)術(shù)前輩進(jìn)行匯報(bào)（相關(guān)信件請(qǐng)見(jiàn)附錄）；另外，我已退休，行將淡出學(xué)界“江湖”，向祖國(guó)和人民匯報(bào)我的部分科研成果，這一直是我真誠(chéng)和強(qiáng)烈的愿望，也是我寫(xiě)本書(shū)的主要意圖?！　”緯?shū)共包括11章。其中第0章是分析信息論的經(jīng)典初步介紹，此章的目的有兩個(gè)：一是對(duì)理解本書(shū)后面的內(nèi)容有幫助，為初學(xué)者看本領(lǐng)域國(guó)內(nèi)外水平提供一種視角；二是為那些立志在數(shù)學(xué)信息論特別是在將信息論應(yīng)用于復(fù)雜系統(tǒng)研究領(lǐng)域從事科研工作并渴望取得高水平研究成果的本科生及研究生準(zhǔn)備一些導(dǎo)言性的內(nèi)容。第1章和第2章是自20世紀(jì)80年代初至2003年本書(shū)作者以唯一作者發(fā)表的部分研究成果。主要內(nèi)容是復(fù)雜系統(tǒng)研究中的熵理論與方法，以及抽象神經(jīng)自動(dòng)機(jī)理論和智能系統(tǒng)理論，這些內(nèi)容在目前及今后相當(dāng)長(zhǎng)的時(shí)期內(nèi)都是復(fù)雜系統(tǒng)建模與分析研究領(lǐng)域的前沿?zé)狳c(diǎn)，一旦取得實(shí)質(zhì)性突破，有可能對(duì)該領(lǐng)域乃至整個(gè)科學(xué)領(lǐng)域形成重大影響。這兩章的內(nèi)容可簡(jiǎn)單概括為如下三點(diǎn)：①成果“復(fù)雜系統(tǒng)分劃（聚集）的熵方法及其應(yīng)用”于1993年7月份評(píng)審（中國(guó)科學(xué)院和科技部?jī)杉?jí)評(píng)審），于1995年選為國(guó)家級(jí)優(yōu)秀科技成果。該成果是一項(xiàng)有創(chuàng)建性的復(fù)雜系統(tǒng)研究中的新理論、新方法，對(duì)復(fù)雜系統(tǒng)研究很有價(jià)值，為開(kāi)展社會(huì)一生態(tài)一經(jīng)濟(jì)復(fù)雜系統(tǒng)區(qū)域劃分的理論與實(shí)踐的研究，以及腦神經(jīng)系統(tǒng)、復(fù)雜Markov系統(tǒng)的研究提供了新的有效途徑。在科學(xué)研究領(lǐng)域，分劃（聚集）的思想具有一般的意義，而熵分劃抓到了問(wèn)題的本質(zhì)，這對(duì)于深刻理解熵理論的人是不難理解的。②基于借助條件概率及其正則性描述的隨機(jī)場(chǎng)理論、神經(jīng)網(wǎng)絡(luò)理論、神經(jīng)生理學(xué)和神經(jīng)心理學(xué)理論提出并初步建立的抽象神經(jīng)自動(dòng)機(jī)理論，是關(guān)于人腦模型思維的理論，抽象神經(jīng)自動(dòng)機(jī)是無(wú)窮維隨機(jī)神經(jīng)網(wǎng)絡(luò)，是認(rèn)識(shí)和思維的機(jī)器。③通過(guò)相對(duì)熵最小化理論與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合，給出智能系統(tǒng)的一般理論框架，這一理論的精華是給出并證明命題：在智能系統(tǒng)中，熵與智能共增減。

內(nèi)容概要

在有關(guān)中醫(yī)藥學(xué)的973計(jì)劃科研項(xiàng)目中，對(duì)中醫(yī)證候及其與疾病、方劑的相關(guān)性開(kāi)展研究，獲得一些階段性成果。本書(shū)是這些成果的總結(jié)，主要內(nèi)容包括：①證候的發(fā)生機(jī)制、存在性及主要特點(diǎn)；②證候、疾病、方劑復(fù)雜系統(tǒng)廣義特征指標(biāo)；③疾病映射模型及其算法；④中醫(yī)廣義癥狀(四診信息、西醫(yī)病理信息、各類理化指標(biāo)等)與證候之間的相關(guān)性；⑤中醫(yī)證候和方劑之間的相關(guān)性；⑥癥狀對(duì)證候的貢獻(xiàn)度；⑦中醫(yī)大規(guī)模流行病學(xué)數(shù)據(jù)的無(wú)監(jiān)督聚類方法；⑧中醫(yī)辨證論治的智能系統(tǒng)模型等。    本書(shū)的特點(diǎn)是理論與實(shí)踐相統(tǒng)一，具有科學(xué)性和原創(chuàng)性。本書(shū)可供從事復(fù)雜系統(tǒng)、生物信息學(xué)、腦模型和中醫(yī)藥的科研與教學(xué)工作人員參考；還可作為復(fù)雜系統(tǒng)建模與分析領(lǐng)域高年級(jí)本科生及研究生的參考書(shū)。

書(shū)籍目錄

前言第0章 熵一般化描述中的某些基本概念  0.1 熵發(fā)展史概述  0.2 熵的定義及其特性  0.3 互信息的定義及其特性  0.4 最大相對(duì)熵聚類    0.4.1 最大相對(duì)熵聚類與k—均值法聚類的比較    0.4.2 度量    0.4.3 相容性結(jié)果  參考文獻(xiàn)第1章 復(fù)雜系統(tǒng)分劃(聚集)的熵方法  1.1 引言  1.2 用熵定義的關(guān)聯(lián)度  1.3 分劃的要求和分劃的方法  1.4 生態(tài)經(jīng)濟(jì)區(qū)劃中的熵分劃方法  1.5 人腦意識(shí)研究中的熵分劃方法  參考文獻(xiàn)第2章 智能系統(tǒng)研究初階  2.1 智能控制系統(tǒng)的基本觀點(diǎn)基本構(gòu)型  2.2 熵與智能共增減原理  2.3 智能控制系統(tǒng)的智能行為  2.4 抽象神經(jīng)自動(dòng)機(jī)的結(jié)構(gòu)可變性及其思維  2.5 基于隨機(jī)圖的神經(jīng)計(jì)算    2.5.1 Markov神經(jīng)網(wǎng)絡(luò)的定義    2.5.2 轉(zhuǎn)移概率矩陣    2.5.3 采用隨機(jī)圖法計(jì)算穩(wěn)態(tài)概率    2.5.4 仿真計(jì)算  參考文獻(xiàn)第3章 中醫(yī)復(fù)雜系統(tǒng)中的統(tǒng)計(jì)相關(guān)性  3.1 引言  3.2 常用的相關(guān)分析方法    3.2.1 相關(guān)系數(shù)法    3.2.2 Logistic回歸分析  3.3 基于熵的互信息    3.3.1 基于Shannon熵的互信息    3.3.2 基于Renyi熵的互信息  3.4 中醫(yī)證候與理化指標(biāo)之間的相關(guān)性    3.4.1 Bayes參數(shù)估計(jì)方法    3.4.2 離散變量與連續(xù)變量的互信息    3.4.3 實(shí)例分析  3.5 理化指標(biāo)之間的相關(guān)性    3.5.1 兩個(gè)指標(biāo)之間的相關(guān)分析    3.5.2 實(shí)例分析  3.6 研究證候與宏觀子集之間相關(guān)性的五種方法    3.6.1 證候的宏觀子集    3.6.2 五種有監(jiān)督分類方法的比較學(xué)習(xí)    3.6.3 性能指標(biāo)    3.6.4 比較學(xué)習(xí)結(jié)果  3.7 中醫(yī)中方劑與證候之間相關(guān)性    3.7.1 實(shí)例分析    3.7.2 結(jié)果分析  3.8 本章小結(jié)  參考文獻(xiàn)第4章 中醫(yī)復(fù)雜系統(tǒng)研究中的熵分劃方法  4.1 引言  4.2 分劃的準(zhǔn)備  4.3 N級(jí)相關(guān)  4.4 分劃算法的描述  4.5 最佳分類個(gè)數(shù)的探討  4.6 中醫(yī)實(shí)例    4.6.1 離散變量之間的中醫(yī)實(shí)例    4.6.2 離散變量和連續(xù)變量間的中醫(yī)實(shí)例    4.6.3 連續(xù)變量間的中醫(yī)實(shí)例  4，7 本章小結(jié)  參考文獻(xiàn)第5章 復(fù)雜系統(tǒng)綜合評(píng)價(jià)指標(biāo)的建立  5.1 引言  5.2 常用的綜合評(píng)價(jià)方法    5.2.1 主成分分析法的綜合評(píng)價(jià)方法    5.2.2 用熵值確定權(quán)重的綜合評(píng)價(jià)方法    5.2.3 非線性主成分分析法的綜合評(píng)價(jià)方法  5.3 基于熵的廣義指標(biāo)建立方法    5.3.1 強(qiáng)可遷矩陣    5.3.2 廣義指標(biāo)建立的方法  5.4 實(shí)例分析    5.4.1 中醫(yī)實(shí)例分析    5.4.2 城市生態(tài)環(huán)境評(píng)價(jià)  5.5 本章小結(jié)  參考文獻(xiàn)第6章 特征提取方法及其在中醫(yī)中的應(yīng)用  6.1 引言  6.2 多分類支持向量機(jī)  6.3 基于聯(lián)合貢獻(xiàn)度截尾準(zhǔn)則的特征提取方法    6.3.1 聯(lián)合貢獻(xiàn)度定義    6.3.2 基于聯(lián)合貢獻(xiàn)度截尾準(zhǔn)則的特征提取    6.3.3 實(shí)例分析  6.4 基于新的關(guān)聯(lián)度的特征提取方法    6.4.1 基于Shannon熵的關(guān)聯(lián)度    6.4.2 特征提取方法    6.4.3 實(shí)例分析  6.5 用于理化指標(biāo)的特征提取    6.5.1 極大似然估計(jì)    6.5.2 關(guān)聯(lián)度的計(jì)算    6.5.3 實(shí)例分析  6.6 本章小結(jié)  參考文獻(xiàn)第7章 無(wú)監(jiān)督分類方法研究  7.1 引言  7.2 基于擴(kuò)展熵的無(wú)監(jiān)督聚類    7.2.1 信息瓶頸理論    7.2.2 擴(kuò)展熵    7.2.3 基于擴(kuò)展熵的無(wú)監(jiān)督聚類    7.2.4 實(shí)例分析  7.3 無(wú)監(jiān)督復(fù)雜系統(tǒng)熵聚類算法    7.3.1 改進(jìn)的互信息    7.3.2 熵聚類算法    7.3.3 應(yīng)用于腎衰四診信息的聚類    7.3.4 無(wú)監(jiān)督算法的驗(yàn)證  7.4 無(wú)監(jiān)督高階Bohzmann機(jī)    7.4.1 高階BM的概率分布    7.4.2 高階BM的無(wú)監(jiān)督學(xué)習(xí)    7.4.3 用無(wú)監(jiān)督高階BM分類    7.4.4 實(shí)例分析  7.5 本章小結(jié)  參考文獻(xiàn)第8章 中醫(yī)辨證的神經(jīng)計(jì)算模型  8.1 證候的發(fā)生機(jī)制、存在性    8.1.1 齊次隨機(jī)神經(jīng)網(wǎng)絡(luò)中的相位轉(zhuǎn)移    8.1.2 多重類隨機(jī)神經(jīng)網(wǎng)絡(luò)的基本工作原理    8.1.3 基于MCRNN的非監(jiān)督聚類    8.1.4 無(wú)監(jiān)督隨機(jī)神經(jīng)網(wǎng)絡(luò)聚類算法的構(gòu)建    8.1.5 算法的應(yīng)用  8.2 證候的主要特征    8.2.1 神經(jīng)網(wǎng)絡(luò)及其動(dòng)力學(xué)特性    8.2.2 證候特征詮釋  8.3 中醫(yī)辨證的智能系統(tǒng)模型    8.3.1 智能系統(tǒng)的知識(shí)表達(dá)    8.3.2 確定性Boltzmann機(jī)神經(jīng)網(wǎng)絡(luò)    8.3.3 實(shí)例分析  8.4 中醫(yī)診斷過(guò)程的多層神經(jīng)網(wǎng)絡(luò)    8.4.1 主成分分析神經(jīng)網(wǎng)絡(luò)    8.4.2 前饋神經(jīng)網(wǎng)絡(luò)    8.4.3 實(shí)例分析  8.5 中醫(yī)脈象信息和證候的相關(guān)性    8.5.1 波形的形成    8.5.2 改進(jìn)的BP算法    8.5.3 實(shí)例分析  8.6 本章小結(jié)  參考文獻(xiàn)第9章 熵理論在疾病診斷標(biāo)準(zhǔn)中的應(yīng)用  9.1 引言  9.2 疾病診斷標(biāo)準(zhǔn)的主要研究方法    9.2.1 確定證候診斷基本要素的研究方法    9.2.2 確定相關(guān)要素貢獻(xiàn)分值的研究方法    9.2.3 確定證候診斷閾值的研究方法  9.3 脈絡(luò)—血管系統(tǒng)病數(shù)據(jù)  9.4 脈絡(luò)—血管系統(tǒng)病的量化診斷標(biāo)準(zhǔn)    9.4.1 量化診斷標(biāo)準(zhǔn)的要求    9.4.2 確定證候診斷的基本要素    9.4.3 變量癥狀對(duì)基本證型的貢獻(xiàn)度    9.4.4 基本證型的閾值    9.4.5 量化診斷標(biāo)準(zhǔn)的形成  9.5 脈絡(luò)—血管系統(tǒng)病患者的危險(xiǎn)因素    9.5.1 患者危險(xiǎn)因素有關(guān)的數(shù)據(jù)    9.5.2 確定患者的危險(xiǎn)因素  9.6 本章小結(jié)  參考文獻(xiàn)第10章 熵在多時(shí)點(diǎn)數(shù)據(jù)中的演化及其應(yīng)用  10.1 引言  l0.2 中風(fēng)病多時(shí)點(diǎn)數(shù)據(jù)演化分析    10.2.1 中風(fēng)病多時(shí)點(diǎn)數(shù)據(jù)說(shuō)明    10.2.2 各時(shí)點(diǎn)上證候要素的提取    10.2.3 各時(shí)點(diǎn)上證候要素的分布    10.2.4 各時(shí)點(diǎn)上證候的綜合程度    10.2.5 相鄰時(shí)點(diǎn)上各證候間的關(guān)聯(lián)程度  10.3 本章小結(jié)  參考文獻(xiàn)附錄 相關(guān)信件和成果證書(shū)后記

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    復(fù)雜系統(tǒng)方法學(xué)與中醫(yī)證候建模 PDF格式下載

---