| 【中文题名】 | 基于贝叶斯网络的脉象诊断研究 |
| 【英文题名】 | Computerized Pulse Analysis and Diagnosis Based on Bayesian Networks |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-11 |
| 【中关键词】 | 中医现代化,脉象分析与识别,贝叶斯网络,连续变量,模糊划分,树扩展朴素贝叶斯网络 |
| 【英关键词】 | Traditional Chinese Medicine,Bayesian network,computerized pulse diagnosis,continuous variables,fuzzy partition,TAN, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
中医脉诊是中国传统医学中一种重要的诊断方法,历史悠久,内容丰富,积累了大量的理论和经验,时至今日仍具有重要的临床价值。传统脉诊依靠医生手指的感觉检查和分析脉象的特点和变化,不仅缺乏统一的评价标准,而且容易受个人主观臆断因素影响,不利于脉象诊断的客观化和规范化,从而限制了中医脉诊在世界范围内的传播和发展。本文通过对不同类别脉象信号波形特征的研究,将贝叶斯网络应用于脉象信号的分类识别,并在此基础上对贝叶斯网络的结构学习算法进行研究和改进,提出了基于模糊划分的树扩展朴素贝叶斯网络模型(Fuzzy TAN),实验证明该算法对同时包含离散属性和连续属性的数据集具有理想的分类效果。
本文的主要工作包括:
1.脉象信号关键特征的提取。首先对原始脉象信号进行分割、平滑、矫正等一系列预处理,然后针对脉象的波形特点从单周期脉象信号中选择并提取出七个对脉象分类具有关键意义的时域参数,并定义了一个peaks参数描述脉象波形的整体形态。
2.对所提取脉象特征进行离散化处理,构造离散贝叶斯网络对六种不同的脉象(既包含单一脉也包含复合脉)进行分类识别,分析 |
| 【论文题纲】 |
|
摘要 |
5-8 |
|
ABSTRACT |
8-13 |
|
第一章 绪论 |
13-20 |
|
1.1 中医脉象识别研究的重要意义 |
13-14 |
|
1.2 脉象识别研究的内容和发展现状 |
14-16 |
|
1.3 基于贝叶斯网络的脉象诊断研究 |
16-18 |
|
1.4 论文的主要工作和组织结构 |
18-20 |
|
第二章 脉象信号特征提取 |
20-31 |
|
2.1 脉象信号的类别及脉图表述 |
20-24 |
|
2.2 脉象信号的特征提取 |
24-30 |
|
2.3 本章小结 |
30-31 |
|
第三章 基于离散贝叶斯网络的脉象识别研究 |
31-57 |
|
3.1 贝叶斯网络的定义和理论基础 |
31-34 |
|
3.2 脉象属性特征的离散化 |
34-36 |
|
3.3 基于朴素贝叶斯分类器的脉象分类 |
36-39 |
|
3.4 基于TAN 分类器的脉象分类 |
39-42 |
|
3.5 贝叶斯网络分类器 |
42-50 |
|
3.6 实验结果及分析 |
50-56 |
|
3.7 本章小结 |
56-57 |
|
第四章 基于混合贝叶斯网络的脉象识别 |
57-69 |
|
4.1 混合贝叶斯网络 |
57-60 |
|
4.2 广义朴素贝叶斯网络 |
60-64 |
|
4.3 脉象特征的混合贝叶斯网络模型 |
64-68 |
|
4.4 本章小结 |
68-69 |
|
第五章 融合FUZZY 理论的混合TAN网络 |
69-86 |
|
5.1 混合TAN 网络 |
69-73 |
|
5.2 融合FUZZY 理论的混合TAN 网络 |
73-82 |
|
5.3 实验结果及分析 |
82-85 |
|
5.4 本章小结 |
85-86 |
|
第六章 总结 |
86-88 |
|
参考文献 |
88-95 |
|
攻读硕士期间发表的相关论文 |
95-96 |
|
致谢 |
96 |
|
| 【DOI】 | LunWen.ID:2.2008.388485 |
