中医药是中华民族的传统瑰宝。随着中医药现代化的深入开展,各类中医药数据日渐丰富,辨识其中隐含的复杂相关性是揭示中医药传统理论科学内涵的重要途径,对推动中医药事业的创新发展具有重要意义。然而,中医药数据复杂相关性的辨识方法相对缺乏,尚不能满足中医药现代化快速发展的需要。为此,本文,综合运用数据挖掘等信息处理技术,研究发展了一系列中医药数据相关性辨识方法,主要研究内容包括:　　 1、研究提出基于贝叶斯网络技术的中医定量辨证方法。发展了基于混合贝叶斯网络学习算法的辨证数据相关性辨识方法,从临床数据中辨识证候-症状、症状.症状等多种相关性,帮助确定证候的关键症状并量化其诊断价值;发展了基于贝叶斯网络学习算法和贝叶斯分类器的中医定量诊断方法,应用于血瘀证和肺系证候诊断的结果表明该方法能够处理单一证候与多种证候的定量诊断问题,有助于辅助中医专家作出决策。　　 2、研究提出基于色谱指纹图谱与药效相关性的中药质量评价方法。以川芎药材为对象化学,将色谱指纹图谱评价结果与药效进行对比,结果表明现有色谱指纹图谱方法评价中药质量时难以准确反映中药药效。为此,对各色谱指纹峰与药效进行逐步回归分析以辨识出药效指纹峰,继而构建药效指纹图谱和药效预测模型。结果表明,所得药效指纹图谱可更确切反映药效,建立的药效预测模型可准确预测中药药效活性,更易于评价中药质量。　　 3、研究提出基于因果变量选择算法的中药活性成分辨识方法。发展了一种改进的因果变量选择算法,比较了应用于分析组效关系数据时的稳定性,并将其应用于辨识血府逐瘀方活性成分。结果表明,与原算法和逐步回归相比,该改进算法可获得更为稳定的结果,辨识出的血府逐瘀方活性成分与文献报道相符。　　 4、提出一种基于多元互信息的中药多组分协同作用辨识方法,并将其用于研究参麦方化学组分抗肿瘤的协同作用。结果表明,该方法能够有效辨识出中药的协同作用组合,比现有药物相互作用评价方法更便于研究中药协同作用。