復雜系統(tǒng)方法學與中醫(yī)證候建模

前言

　　2004年9月份以來，我和我的學生有幸參加973項目在中醫(yī)藥領域中“證候規(guī)范及其與疾病、方劑相關的基礎研究”（2003CB517100）和“絡病學說與針灸理論的基礎研究”（2005CB523300）的科研工作，任務分別是基于抽象神經(jīng)自動機理論和復雜系統(tǒng)建模中的熵方法，研究中醫(yī)證候及其與疾病、方劑的相關性和絡病與血管病變相關性的復雜系統(tǒng)建模分析。在這幾年時間里，研究工作取得了一些成果，對這些成果進行總結(jié)并向?qū)W術(shù)界介紹和展示，向那些在學術(shù)研究道路上關心我、鼓勵我但至今未曾謀面的學術(shù)前輩進行匯報（相關信件請見附錄）；另外，我已退休，行將淡出學界“江湖”，向祖國和人民匯報我的部分科研成果，這一直是我真誠和強烈的愿望，也是我寫本書的主要意圖?！　”緯舶?1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：一是對理解本書后面的內(nèi)容有幫助，為初學者看本領域國內(nèi)外水平提供一種視角；二是為那些立志在數(shù)學信息論特別是在將信息論應用于復雜系統(tǒng)研究領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備一些導言性的內(nèi)容。第1章和第2章是自20世紀80年代初至2003年本書作者以唯一作者發(fā)表的部分研究成果。主要內(nèi)容是復雜系統(tǒng)研究中的熵理論與方法，以及抽象神經(jīng)自動機理論和智能系統(tǒng)理論，這些內(nèi)容在目前及今后相當長的時期內(nèi)都是復雜系統(tǒng)建模與分析研究領域的前沿熱點，一旦取得實質(zhì)性突破，有可能對該領域乃至整個科學領域形成重大影響。這兩章的內(nèi)容可簡單概括為如下三點：①成果“復雜系統(tǒng)分劃（聚集）的熵方法及其應用”于1993年7月份評審（中國科學院和科技部兩級評審），于1995年選為國家級優(yōu)秀科技成果。該成果是一項有創(chuàng)建性的復雜系統(tǒng)研究中的新理論、新方法，對復雜系統(tǒng)研究很有價值，為開展社會一生態(tài)一經(jīng)濟復雜系統(tǒng)區(qū)域劃分的理論與實踐的研究，以及腦神經(jīng)系統(tǒng)、復雜Markov系統(tǒng)的研究提供了新的有效途徑。在科學研究領域，分劃（聚集）的思想具有一般的意義，而熵分劃抓到了問題的本質(zhì)，這對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場理論、神經(jīng)網(wǎng)絡理論、神經(jīng)生理學和神經(jīng)心理學理論提出并初步建立的抽象神經(jīng)自動機理論，是關于人腦模型思維的理論，抽象神經(jīng)自動機是無窮維隨機神經(jīng)網(wǎng)絡，是認識和思維的機器。③通過相對熵最小化理論與神經(jīng)網(wǎng)絡理論相結(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

在有關中醫(yī)藥學的973計劃科研項目中，對中醫(yī)證候及其與疾病、方劑的相關性開展研究，獲得一些階段性成果。本書是這些成果的總結(jié)，主要內(nèi)容包括：①證候的發(fā)生機制、存在性及主要特點；②證候、疾病、方劑復雜系統(tǒng)廣義特征指標；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、各類理化指標等)與證候之間的相關性；⑤中醫(yī)證候和方劑之間的相關性；⑥癥狀對證候的貢獻度；⑦中醫(yī)大規(guī)模流行病學數(shù)據(jù)的無監(jiān)督聚類方法；⑧中醫(yī)辨證論治的智能系統(tǒng)模型等。    本書的特點是理論與實踐相統(tǒng)一，具有科學性和原創(chuàng)性。本書可供從事復雜系統(tǒng)、生物信息學、腦模型和中醫(yī)藥的科研與教學工作人員參考；還可作為復雜系統(tǒng)建模與分析領域高年級本科生及研究生的參考書。

書籍目錄

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 最大相對熵聚類    0.4.1 最大相對熵聚類與k—均值法聚類的比較    0.4.2 度量    0.4.3 相容性結(jié)果  參考文獻第1章 復雜系統(tǒng)分劃(聚集)的熵方法  1.1 引言  1.2 用熵定義的關聯(lián)度  1.3 分劃的要求和分劃的方法  1.4 生態(tài)經(jīng)濟區(qū)劃中的熵分劃方法  1.5 人腦意識研究中的熵分劃方法  參考文獻第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)自動機的結(jié)構(gòu)可變性及其思維  2.5 基于隨機圖的神經(jīng)計算    2.5.1 Markov神經(jīng)網(wǎng)絡的定義    2.5.2 轉(zhuǎn)移概率矩陣    2.5.3 采用隨機圖法計算穩(wěn)態(tài)概率    2.5.4 仿真計算  參考文獻第3章 中醫(yī)復雜系統(tǒng)中的統(tǒng)計相關性  3.1 引言  3.2 常用的相關分析方法    3.2.1 相關系數(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)證候與理化指標之間的相關性    3.4.1 Bayes參數(shù)估計方法    3.4.2 離散變量與連續(xù)變量的互信息    3.4.3 實例分析  3.5 理化指標之間的相關性    3.5.1 兩個指標之間的相關分析    3.5.2 實例分析  3.6 研究證候與宏觀子集之間相關性的五種方法    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習    3.6.3 性能指標    3.6.4 比較學習結(jié)果  3.7 中醫(yī)中方劑與證候之間相關性    3.7.1 實例分析    3.7.2 結(jié)果分析  3.8 本章小結(jié)  參考文獻第4章 中醫(yī)復雜系統(tǒng)研究中的熵分劃方法  4.1 引言  4.2 分劃的準備  4.3 N級相關  4.4 分劃算法的描述  4.5 最佳分類個數(shù)的探討  4.6 中醫(yī)實例    4.6.1 離散變量之間的中醫(yī)實例    4.6.2 離散變量和連續(xù)變量間的中醫(yī)實例    4.6.3 連續(xù)變量間的中醫(yī)實例  4，7 本章小結(jié)  參考文獻第5章 復雜系統(tǒng)綜合評價指標的建立  5.1 引言  5.2 常用的綜合評價方法    5.2.1 主成分分析法的綜合評價方法    5.2.2 用熵值確定權(quán)重的綜合評價方法    5.2.3 非線性主成分分析法的綜合評價方法  5.3 基于熵的廣義指標建立方法    5.3.1 強可遷矩陣    5.3.2 廣義指標建立的方法  5.4 實例分析    5.4.1 中醫(yī)實例分析    5.4.2 城市生態(tài)環(huán)境評價  5.5 本章小結(jié)  參考文獻第6章 特征提取方法及其在中醫(yī)中的應用  6.1 引言  6.2 多分類支持向量機  6.3 基于聯(lián)合貢獻度截尾準則的特征提取方法    6.3.1 聯(lián)合貢獻度定義    6.3.2 基于聯(lián)合貢獻度截尾準則的特征提取    6.3.3 實例分析  6.4 基于新的關聯(lián)度的特征提取方法    6.4.1 基于Shannon熵的關聯(lián)度    6.4.2 特征提取方法    6.4.3 實例分析  6.5 用于理化指標的特征提取    6.5.1 極大似然估計    6.5.2 關聯(lián)度的計算    6.5.3 實例分析  6.6 本章小結(jié)  參考文獻第7章 無監(jiān)督分類方法研究  7.1 引言  7.2 基于擴展熵的無監(jiān)督聚類    7.2.1 信息瓶頸理論    7.2.2 擴展熵    7.2.3 基于擴展熵的無監(jiān)督聚類    7.2.4 實例分析  7.3 無監(jiān)督復雜系統(tǒng)熵聚類算法    7.3.1 改進的互信息    7.3.2 熵聚類算法    7.3.3 應用于腎衰四診信息的聚類    7.3.4 無監(jiān)督算法的驗證  7.4 無監(jiān)督高階Bohzmann機    7.4.1 高階BM的概率分布    7.4.2 高階BM的無監(jiān)督學習    7.4.3 用無監(jiān)督高階BM分類    7.4.4 實例分析  7.5 本章小結(jié)  參考文獻第8章 中醫(yī)辨證的神經(jīng)計算模型  8.1 證候的發(fā)生機制、存在性    8.1.1 齊次隨機神經(jīng)網(wǎng)絡中的相位轉(zhuǎn)移    8.1.2 多重類隨機神經(jīng)網(wǎng)絡的基本工作原理    8.1.3 基于MCRNN的非監(jiān)督聚類    8.1.4 無監(jiān)督隨機神經(jīng)網(wǎng)絡聚類算法的構(gòu)建    8.1.5 算法的應用  8.2 證候的主要特征    8.2.1 神經(jīng)網(wǎng)絡及其動力學特性    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)的知識表達    8.3.2 確定性Boltzmann機神經(jīng)網(wǎng)絡    8.3.3 實例分析  8.4 中醫(yī)診斷過程的多層神經(jīng)網(wǎng)絡    8.4.1 主成分分析神經(jīng)網(wǎng)絡    8.4.2 前饋神經(jīng)網(wǎng)絡    8.4.3 實例分析  8.5 中醫(yī)脈象信息和證候的相關性    8.5.1 波形的形成    8.5.2 改進的BP算法    8.5.3 實例分析  8.6 本章小結(jié)  參考文獻第9章 熵理論在疾病診斷標準中的應用  9.1 引言  9.2 疾病診斷標準的主要研究方法    9.2.1 確定證候診斷基本要素的研究方法    9.2.2 確定相關要素貢獻分值的研究方法    9.2.3 確定證候診斷閾值的研究方法  9.3 脈絡—血管系統(tǒng)病數(shù)據(jù)  9.4 脈絡—血管系統(tǒng)病的量化診斷標準    9.4.1 量化診斷標準的要求    9.4.2 確定證候診斷的基本要素    9.4.3 變量癥狀對基本證型的貢獻度    9.4.4 基本證型的閾值    9.4.5 量化診斷標準的形成  9.5 脈絡—血管系統(tǒng)病患者的危險因素    9.5.1 患者危險因素有關的數(shù)據(jù)    9.5.2 確定患者的危險因素  9.6 本章小結(jié)  參考文獻第10章 熵在多時點數(shù)據(jù)中的演化及其應用  10.1 引言  l0.2 中風病多時點數(shù)據(jù)演化分析    10.2.1 中風病多時點數(shù)據(jù)說明    10.2.2 各時點上證候要素的提取    10.2.3 各時點上證候要素的分布    10.2.4 各時點上證候的綜合程度    10.2.5 相鄰時點上各證候間的關聯(lián)程度  10.3 本章小結(jié)  參考文獻附錄 相關信件和成果證書后記

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    復雜系統(tǒng)方法學與中醫(yī)證候建模 PDF格式下載

---