论文部分内容阅读
中医诊断是一个多源信息的获取、处理和整合的过程,传统中医诊断往往取决于医师的主观意识和经验累积,受环境因素限制,缺乏客观指标,难以重复验证。中医辨证在客观化、定量化和标准化等方面的不足,很大程度上限制了其应用与发展。因此,运用信息科学方法进行中医诊断信息获取与处理技术研究,具有非常重要的意义。本文针对503例中医心系四诊信息样本,探讨心系疾病症状和证候辨证分析的方法,主要研究内容及工作如下：运用BP (Back Propagation)神经网络学习与预测数据样本,为解决此方法易陷入局部最优的问题,采用遗传算法(GA,Genetic Algorithms)对BP神经网络权值与阈值进行优化,寻找全局最优解,并结合GA遗传算法进行自变量降维,提高BP神经网络运算速度和分类准确率；运用支持向量机(SVM, Support Vector Machine)对数据样本进行学习和预测,比较网格搜索法、GA遗传算法和粒子群算法(PSO,Particle Swarm Optimization)对SVM两类重要参数的优化效果；基于.NET平台,运用VB语言和ACCESS数据库,完成了四诊融合诊断系统。试验证明,运用BP神经网络和SVM支持向量机对常见心系疾病五种证候的总平均正确率分别是65.80%和71.24%；基于GA遗传算法的BP神经网络的平均正确率是68.3%; GA-SVM和PSO-SVM预测平均正确率分别是71.82%和72.47%,相比于网格搜索法,两种进化算法在全局最优和收敛速度方面更具优势,且PSO-SVM预测正确率最高；本文中完成的四诊融合诊断系统能满足样本采集、数据管理、数据分析和用户管理等需求,并在数据分析模块中嵌入BP神经网络和SVM支持向量机两种智能分析方法,方便快捷地实施在线诊断。