文献类型：期刊文章

作　　者：夏淑洁[1,2] 杨朝阳[1,2] 周常恩[1,2] 辛基梁[1,2] 张佳[3] 杜国栋[3] 李灿东[1,2]

XIA Shu-Jie;YANG Zhao-Yang;ZHOU Chang-En;XIN Ji-Liang;ZHANG Jia;DU Guo-Dong;LI Can-Dong(Research Base of Traditional Chinese Medicine Syndrome,Fujian University of Traditional Chinese Medicine,Fuzhou 350122 Fujian,China;Fujian Key Laboratory of Identification of Traditional Chinese Medicine Health State,Fuzhou 350122 Fujian,China;Dept.of Intelligent Science and Technology,Xiamen University,Xiamen 361005 Fujian,China)

机构地区：[1]福建中医药大学中医证研究基地,福建福州350122 [2]福建省中医健康状态辨识重点实验室,福建福州350122 [3]厦门大学智能科学与技术系,福建厦门361005

出　　处：《广州中医药大学学报》

基　　金：国家自然科学基金联合基金项目(编号:U1705286);国家中医药管理局标准化重大项目(编号:GZY-FJS-2017-64)。

年　　份：2021

卷　　号：38

期　　号：4

起止页码：826-831

语　　种：中文

收录情况：CAS、JST、RCCSE、UPD、ZGKJHX、普通刊

摘　　要：对近年来数据挖掘技术中的常见机器学习方法应用于中医诊断的概况进行述评。近年来应用于中医诊断的常见机器学习方法有支持向量机、决策树、K近邻算法、人工神经网络、贝叶斯网络、AdaBoost算法等,这些方法各有其优势与不足。今后在促进机器学习运用于中医诊断研究领域时,需基于中医证的多维性、非线性和复杂性的特点,针对中医诊疗中的各项问题制定统一的标准并规范收集数据,选用合适的机器学习方法,寻找中医大数据下的隐藏知识和规律,以推动中医诊断客观化、规范化。

关 键 词：支持向量机  决策树 K近邻算法 人工神经网络  贝叶斯网络 ADABOOST算法 中医诊断 应用  

分 类 号：R241]