1、本課題從理論和實驗研究中醫(yī)辨證模型，采用基于人工神經(jīng)網(wǎng)絡(luò)的多標記分類算法對臨床數(shù)據(jù)進行建模。探索大數(shù)據(jù)機器學(xué)習(xí)，研究中醫(yī)智能辨證的新方法。
　　目的:
　　中醫(yī)智能辨證的研究不斷地發(fā)展，一套成熟辨證體系的建立往往需要經(jīng)過大量的計算機計算和反復(fù)人工干預(yù)才能完成，對于不斷發(fā)展更新的中醫(yī)理論和實踐，尋找一種具備自動更新的智能辨證系統(tǒng)才能適應(yīng)不斷發(fā)展變化的新環(huán)境。
　　方法:
　　采用“中醫(yī)證素辨證系統(tǒng)”做為病例采集工具

2、，臨床收集的1146例病例做為實驗數(shù)據(jù)，隨機分為2組，其中訓(xùn)練組764例，測試組384例。采集的每一例數(shù)據(jù)包括病癥、證素和證型三部分信息。采用基于神經(jīng)網(wǎng)絡(luò)的多標記分類算法進行機器學(xué)習(xí)，并對訓(xùn)練后的模型進行測試。實驗分三部分進行，第一部分實驗癥狀預(yù)測證素，第二部分實驗證素預(yù)測證型，第三部分實驗癥狀預(yù)測證型。每一部分實驗分別對隱藏神經(jīng)元參數(shù)、輸入輸出激活函數(shù)進行調(diào)整測試，得出最佳的模型。
　　結(jié)果:
　　癥狀預(yù)測證素的實驗結(jié)果:

3、平均精度為0.79，覆蓋率為8.18，1-錯誤率為0.18，漢明損失為0.94，排序損失為0.05;證素預(yù)測證型的實驗結(jié)果:平均精度為0.38，覆蓋率為87.05，1-錯誤率為0.68，漢明損失為1.00，排序損失為0.12;癥狀預(yù)測證型的實驗結(jié)果:平均精度為0.25，覆蓋率為98.48，1-錯誤率為0.84，漢明損失為1.00，排序損失為0.15。
　　結(jié)論：
　　1.采用基于人工神經(jīng)網(wǎng)絡(luò)多標記分類算法來實現(xiàn)中醫(yī)辨證的機器

4、學(xué)習(xí)，在數(shù)據(jù)量較少的情況下，癥狀預(yù)測證素的實驗中平均精度達到0.79，比預(yù)期的結(jié)果好，在未來有大數(shù)據(jù)支撐的情況下，再開展機器學(xué)習(xí)，將有可能會大大提升實驗結(jié)果，由此可以得出基于人工神經(jīng)網(wǎng)絡(luò)的多標記分類算法做為一種中醫(yī)辨證的機器學(xué)習(xí)算法值得肯定。
　　2.本次實驗中癥狀預(yù)測證型和證素預(yù)測證型結(jié)果都比較差，經(jīng)過分析實驗數(shù)據(jù)，可以得出機器學(xué)習(xí)一方面需要比較大量的數(shù)據(jù)，另一方面數(shù)據(jù)集的分布需要比較均衡，以保證機器學(xué)習(xí)的訓(xùn)練充分有效，只有在這