基于MARS的肝陽化風證的模型研究.pdf

1、多元自適應回歸樣條是一種基于擬合且自適應性很強的方法，同時也是一種非常靈活的、泛化能力很強的、非線性的、非參數的專門針對高維數據的處理方法。該方法以樣條函數的張量積作為基函數，以樣本數據坐標作為可選的節(jié)點矢量值，算法過程以廣義交叉驗證最小為標準選擇基函數和節(jié)點矢量。本文緊緊圍繞高維建模展開研究，并試圖探討所建立的高維模型。
　　中醫(yī)肝陽化風證是肝風內動證的三個亞型之一。為了探討本證的病理生理學基礎，前人運用文獻研究積累、專家經驗、

2、數理統(tǒng)計分析等多種方法做了大量的研究，但是其本質內涵仍不清晰。肝陽化風證具備中醫(yī)的復雜性、整體性、非線性、動態(tài)性等各種特點，決定了肝陽化風證的研究也需要走復雜系統(tǒng)研究的道路。肝陽化風證的辯證和診療標準較多，對其進行量化后呈現(xiàn)出高維的狀態(tài)，欲從科學理論的角度揭示其辯證規(guī)律需要用到現(xiàn)代建模理論的思想和方法。
　　基于上述思想的指導，本文對肝陽化風證進行分析，利用多元自適應回歸樣條算法建立最佳預測模型。本文主要研究內容如下:
　　

3、(1)分析了多元自適應回歸樣條方法區(qū)別于傳統(tǒng)方法在高維建模中的優(yōu)勢，其良好的模型解釋能力，明確的指出了變量的分類，模型的解釋在方差分解下更加直觀;
　　(2)通過對癥狀數據的量化及規(guī)范化，根據中醫(yī)系統(tǒng)的復雜性，挖掘變量之間的關系，尋找隱含的證型模型，然后分析中醫(yī)問診的癥狀和證型、癥狀和癥狀之間內在結構關系來建立模型;
　　(3)運用模型的方差分解圖形直觀的觀察預測變量，分析變量對模型的影響方式預測癥狀對肝陽化風證的影響方式;