中药材质量分析信息处理方法研究近年来正成为化学、生物及药学界的一个研究热点，吸引了越来越多的关注。由于仪器分析等辅助实验手段的发展和推动，中药组成及药效数据急剧扩增，且具有高维、小样本、多变量、非线性、交互作用强等特点。本文针对复杂的中药分析体系，将化学信息学的思想和方法应用于中药材质量分析信息处理研究中，各类计算技术包括神经元网络、小波变换、遗传算法、进化学习、支持向量机及可视化技术等被有机地综合运用，以有效地解决中药质量鉴别评价难题。本文涉及的工作主要有以下几个方面： (1)针对中药材定性分类鉴别问题，引入了机器学习领域中最新的支持向量机技术，并将其与决策树算法相结合，将二类别支持向量分类器拓展到多类别情况下，从而应用于中药材多个产地、等级的分类鉴别，结果明显优于传统的统计模式识别方法及神经元网络方法，特别是有效克服了神经元分类严重“过拟合”的缺陷，具有较强的推广和泛化能力，适合于高维小样本的中药分类鉴别。 (2)将中药组效关系研究从定性进一步拓展到定量的层次上，将西药定量构效关系的概念引入到中药研究中，提出了中药定量组效关系建模的新方法，把神经元网络同遗传算法、进化学习策略集成并进行改进和优化，并成功地应用于中药组效关系建模中，与单一神经元网络及遗传算法相比，该方法具有更优的训练、预测精度及模型可信度，可实现中药药效的定量智能预测。 (3)针对中药成分分析数据剧增，解析难度增大，将科学计算可视化技术引入到中药化学分析数据处理中，发展了一类仪器分析数据可视化新方法，采用小波(包)变换、核主成分分析等计算方法对药材进行隐含化学指纹特征抽提，再可视化表征为基于二维灰度图的虚拟指纹图谱，从而将抽象分析量测数据变换为直观的计算机图像，实现中药材质量的整体直观鉴别与评价。该方法被成功应用于中药色谱、光谱分析数据处理，具有常规分类鉴别方法不可替代的优点。