声明
致谢
摘要
1 引言
1.1 研究背景
1.1.1 现代医学技术和社会健康问题
1.1.2 大数据时代与物联网
1.2 研究现状
1.2.1 体征时间序列数据分析
1.2.2 中医证候预测研究
1.3 问题的提出和意义
1.3.1 体征时间序列数据与中医症状关系
1.3.2 辨证的主观性和证候关系
1.4 本章小结
2 中医临床数据挖掘方法
2.1 复杂网络及网络特征
2.1.1 度分布和幂律拟合
2.1.2 网络特征
2.2 时间序列数据分析
2.2.1 多尺度熵
2.2.2 可视图方法
2.3 链路预测
2.3.1 Prince链路预测
2.3.2 基于超图模型的链路预测
2.4 本章小结
3 基于复杂网络特征的体征时间序列数据分类分析
3.1 生理体征时间序列数据
3.1.1 分形与体征时间序列数据
3.1.2 体征时间序列网络化
3.2 实验数据
3.2.1 标准心率数据
3.2.2 老年人体征时间序列数据
3.3 体征时间序列数据分类分析及探讨
3.3.1 基于可视图方法的标准心率时间序列数据分析
3.3.2 基于可视图方法的老年人体征的分类分析
3.3.3 基于多尺度熵的老年人体征时间序列数据分析
3.4 本章小结
4 基于复杂网络特征的中医证候预测
4.1 中医辨证问题
4.1.1 辨证问题的定义
4.1.2 中医辨证的复杂性
4.2 多标签分类
4.2.1 多标签分类
4.2.2 标签量的评价
4.2.3 多标签分类评价指标
4.2.4 多标签分类平台MULAN
4.3 基于DIAMOND算法的症状扩展
4.4 基于证候关系的证候预测
4.4.1 基于Prince算法的证候预测
4.4.2 基于超图模型的证候预测
4.5 实验结果和分析
4.5.1 Prince证候预测
4.5.2 DIAMOND症状扩展和Prince证候预测
4.5.3 超图模型证候预测
4.6 本章小结
5 结论与展望
5.1 工作总结
5.2 讨论与展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
北京交通大学;