论药性穷举建模对策用于中药药性特点标记统计方式识别模型学术
最后更新时间：2024-02-25
作者：用户投稿
本站原创
点赞:21337
浏览:87958
本站原创
点赞:21337
浏览:87958
论文导读：适宜模型采取统计模拟对策遴选出不仅判别能力强,且识别能力强的模型作为中药药性特点标记的适宜统计方式识别模型；最后,在中药药性特点标记适宜统计方式识别模型的指导下,提取中药寒热特点标记物123下一页
摘要：国家“973”计划项目——“中药药性论述相关基础不足探讨”,将中药药性作为切入点,提出了“性-效-物质三元论”论述假说：中药是一种客观实在,药性是其本质属性的主观反映,功效是其本质属性的客观体现,药性通过功效得以体现。药性论述是性、味、归经等要素相互关联的复杂论述。功效是体现药性的核心,物质成分是产生药性的基础,但某种物质成分或某一药效作用均不能表征中药整体药性。药性-药效-物质间的联系是中药药性论述现代探讨的关键。其中,证明物质成分与药性之间的联系,识别中药药性特点标记是该论述假说中需解决的最根本不足之一。为了解决上面陈述的不足,本探讨基本思路为：以中药整体药性出发,利用中药化学指纹图谱技术分离中药的物质成分,获得可表达中药中各种化学成分分布的多维多息谱图(本探讨以中药高效液相色谱指纹图谱为例)。而后依据此图谱数据建立统计方式识别模型,以统计学角度找到可以表征中药药性的各种图谱标记作为中药药性特点标记(CHMP-markers)。然后根据“热以寒疗、寒以热疗”的辨证论治原则设计动物实验以佐证特点标记的正确性。遵循上面陈述的探讨思路,本探讨依据《本经》及《新修本草》等权威文献的记载,挑选了药性明确且无寒热药性争议的61味中药样本(30味寒性药,31味热性药),进行高效液相色谱浅析并构建数据库,经过数据预处理后,借助集成了大量能承担分类判别任务的机器学习算法的怀卡智能浅析环境(Waikato Environment for Knowledge Analysis,WEKA),采取穷举对策建立模型,即对WEKA中集成的7类(贝叶斯分类器、树、规则分类器、函数、懒惰分类器、元学习算法、其他杂项分类器)共计80种可能有效的策略对同一高效液相数据进行建模：首先,采取多种评价指标(判别正确率、真阳性率、假阳性率、精确率、反馈率、F-测量、曲线下面积及综合得分)通过组内回代、外推预测、交叉验证遴选出判别效果优良的统计方式识别模型作为候选模型集：其次,浅析模候选模型集中各种模型的统计学原理和模型结构特点,遴选出不仅判别效果好且可由模型参数进行中药药性特点标记可视化表达的候选适宜模型；然后,针对候选适宜模型采取统计模拟对策遴选出不仅判别能力强,且识别能力强的模型作为中药药性特点标记的适宜统计方式识别模型；最后,在中药药性特点标记适宜统计方式识别模型的指导下,提取中药寒热特点标记物论文导读：能力,且识别能力相似。通过比较实际寒热标记图谱与4种论述识别图谱发现,仅PLS统计方式识别模型的论述图谱与实际寒热图谱十分吻合。为此,本探讨认为PLS模型是目前识别中药寒热药性特点标记的最优模型。(4)在PLS模型的指导下提取的中药寒热特点物质组群,经动物实验验证表明模型所识别的中药寒热特点标记准确可靠。主要革新点：
质组群,设计动物实验,以验证统计方式识别模型的正确性。主要结果为：(1)针对同一中药高效液相指纹图谱数据采取穷举建模对策,比较了7大类共80种统计方式识别模型的判别效果,按照综合得分大于0.80的标准,有25种策略可以作为判别中药寒热方式识别的候选模型。表明不少模型可以对中药寒热药性进行正确判别。(2)按照判别效果好且可由模型参数对中药药性特点标记进行可视化表达的候选适宜模型标准,发现在25种候选模型中,有5种(Bayesian Logistic Regression、 Ridge Logistic、O、SPegasos、PLS)可以作为中药药性特点标记识别的候选适宜模型。说明能够用于中药药性特点标记识别的统计方式识别模型尚少。需要进一步进展新的算法以满足中药特点标记识别的需要。(3)统计模拟显示,在上面陈述的5种候选适宜模型中,有4种(Bayesian Logistic Regression、Ridge Logistic、O、PLS)具有较好的中药药性特点标记识别能力,且识别能力相似。通过比较实际寒热标记图谱与4种论述识别图谱发现,仅PLS统计方式识别模型的论述图谱与实际寒热图谱十分吻合。为此,本探讨认为PLS模型是目前识别中药寒热药性特点标记的最优模型。(4)在PLS模型的指导下提取的中药寒热特点物质组群,经动物实验验证表明模型所识别的中药寒热特点标记准确可靠。主要革新点：(1)提出了采取穷举建模对策筛选中药寒热特点标记适宜统计方式识别模型的对策与策略,构建了筛选的4个关键步骤。此为本探讨在论述策略的革新点之一。(2)通过模型的寒热判别效果、寒热特点标记识别能力及模型适宜性综合评价,发现4种(Bayesian Logistic Regression、Ridge Logistic、O、PLS)是目前适宜的中药药性寒热标记识别模型,为中药药性特点标记识别提供了可选的新策略。(3)通过比较上面陈述的4种可选策略的寒热标记论述图谱与实际寒热图谱以及动物实验验证,发现PLS是目前识别中药寒热药性特点标记的最优模型。为识别中药药性特点标记提供了标准策略。关键词：中药药性论文高效液相色谱论文统计方式识别论文动物实验论文
本论文由www.7ctime.com,需要论文可以联系人员哦。论文导读：-22(一)代表性波长色谱数据的选取20(二)对12个代表性波长下的数据进行合并20-22二、数据预处理22-23三、统计方式识别建模对策23-29(一)贝叶斯分类器(BayesianClassifiers)23-25(二)树(Trees)25-26(三)规则(Rules)26-27(四)函数(Function)27-28(五)懒惰分类器(Lazy)28(六)meta学习算法(meta)28-29
ABSTRACT11-14
符号说明14-15
前言15-19
革新与不足57-59
附录59-92
参考文献92-100
淄博市疾病预防制约中心实践报告100-110
致谢110-111
发表论文情况111-112
学位论文评阅及答辩情况表112
摘要：国家“973”计划项目——“中药药性论述相关基础不足探讨”,将中药药性作为切入点,提出了“性-效-物质三元论”论述假说：中药是一种客观实在,药性是其本质属性的主观反映,功效是其本质属性的客观体现,药性通过功效得以体现。药性论述是性、味、归经等要素相互关联的复杂论述。功效是体现药性的核心,物质成分是产生药性的基础,但某种物质成分或某一药效作用均不能表征中药整体药性。药性-药效-物质间的联系是中药药性论述现代探讨的关键。其中,证明物质成分与药性之间的联系,识别中药药性特点标记是该论述假说中需解决的最根本不足之一。为了解决上面陈述的不足,本探讨基本思路为：以中药整体药性出发,利用中药化学指纹图谱技术分离中药的物质成分,获得可表达中药中各种化学成分分布的多维多息谱图(本探讨以中药高效液相色谱指纹图谱为例)。而后依据此图谱数据建立统计方式识别模型,以统计学角度找到可以表征中药药性的各种图谱标记作为中药药性特点标记(CHMP-markers)。然后根据“热以寒疗、寒以热疗”的辨证论治原则设计动物实验以佐证特点标记的正确性。遵循上面陈述的探讨思路,本探讨依据《本经》及《新修本草》等权威文献的记载,挑选了药性明确且无寒热药性争议的61味中药样本(30味寒性药,31味热性药),进行高效液相色谱浅析并构建数据库,经过数据预处理后,借助集成了大量能承担分类判别任务的机器学习算法的怀卡智能浅析环境(Waikato Environment for Knowledge Analysis,WEKA),采取穷举对策建立模型,即对WEKA中集成的7类(贝叶斯分类器、树、规则分类器、函数、懒惰分类器、元学习算法、其他杂项分类器)共计80种可能有效的策略对同一高效液相数据进行建模：首先,采取多种评价指标(判别正确率、真阳性率、假阳性率、精确率、反馈率、F-测量、曲线下面积及综合得分)通过组内回代、外推预测、交叉验证遴选出判别效果优良的统计方式识别模型作为候选模型集：其次,浅析模候选模型集中各种模型的统计学原理和模型结构特点,遴选出不仅判别效果好且可由模型参数进行中药药性特点标记可视化表达的候选适宜模型；然后,针对候选适宜模型采取统计模拟对策遴选出不仅判别能力强,且识别能力强的模型作为中药药性特点标记的适宜统计方式识别模型；最后,在中药药性特点标记适宜统计方式识别模型的指导下,提取中药寒热特点标记物论文导读：能力,且识别能力相似。通过比较实际寒热标记图谱与4种论述识别图谱发现,仅PLS统计方式识别模型的论述图谱与实际寒热图谱十分吻合。为此,本探讨认为PLS模型是目前识别中药寒热药性特点标记的最优模型。(4)在PLS模型的指导下提取的中药寒热特点物质组群,经动物实验验证表明模型所识别的中药寒热特点标记准确可靠。主要革新点：
质组群,设计动物实验,以验证统计方式识别模型的正确性。主要结果为：(1)针对同一中药高效液相指纹图谱数据采取穷举建模对策,比较了7大类共80种统计方式识别模型的判别效果,按照综合得分大于0.80的标准,有25种策略可以作为判别中药寒热方式识别的候选模型。表明不少模型可以对中药寒热药性进行正确判别。(2)按照判别效果好且可由模型参数对中药药性特点标记进行可视化表达的候选适宜模型标准,发现在25种候选模型中,有5种(Bayesian Logistic Regression、 Ridge Logistic、O、SPegasos、PLS)可以作为中药药性特点标记识别的候选适宜模型。说明能够用于中药药性特点标记识别的统计方式识别模型尚少。需要进一步进展新的算法以满足中药特点标记识别的需要。(3)统计模拟显示,在上面陈述的5种候选适宜模型中,有4种(Bayesian Logistic Regression、Ridge Logistic、O、PLS)具有较好的中药药性特点标记识别能力,且识别能力相似。通过比较实际寒热标记图谱与4种论述识别图谱发现,仅PLS统计方式识别模型的论述图谱与实际寒热图谱十分吻合。为此,本探讨认为PLS模型是目前识别中药寒热药性特点标记的最优模型。(4)在PLS模型的指导下提取的中药寒热特点物质组群,经动物实验验证表明模型所识别的中药寒热特点标记准确可靠。主要革新点：(1)提出了采取穷举建模对策筛选中药寒热特点标记适宜统计方式识别模型的对策与策略,构建了筛选的4个关键步骤。此为本探讨在论述策略的革新点之一。(2)通过模型的寒热判别效果、寒热特点标记识别能力及模型适宜性综合评价,发现4种(Bayesian Logistic Regression、Ridge Logistic、O、PLS)是目前适宜的中药药性寒热标记识别模型,为中药药性特点标记识别提供了可选的新策略。(3)通过比较上面陈述的4种可选策略的寒热标记论述图谱与实际寒热图谱以及动物实验验证,发现PLS是目前识别中药寒热药性特点标记的最优模型。为识别中药药性特点标记提供了标准策略。关键词：中药药性论文高效液相色谱论文统计方式识别论文动物实验论文
本论文由www.7ctime.com,需要论文可以联系人员哦。论文导读：-22(一)代表性波长色谱数据的选取20(二)对12个代表性波长下的数据进行合并20-22二、数据预处理22-23三、统计方式识别建模对策23-29(一)贝叶斯分类器(BayesianClassifiers)23-25(二)树(Trees)25-26(三)规则(Rules)26-27(四)函数(Function)27-28(五)懒惰分类器(Lazy)28
(六)meta学习算法(meta)28-29(七)其他分类器29
中文摘要8-11
ABSTRACT11-14符号说明14-15
前言15-19
一、探讨背景15-16
二、探讨思路16-17
三、知识背景17-19
材料与策略19-36一、数据库建立19-22
(一) 代表性波长色谱数据的选取20
(二) 对12个代表性波长下的数据进行合并20-22
二、数据预处理22-23
三、统计方式识别建模对策23-29
(一) 贝叶斯分类器(Bayesian Classifiers)23-25
(二) 树(Trees)25-26
(三) 规则(Rules)26-27
(四) 函数(Function)27-28
(五) 懒惰分类器(Lazy)28
(六) meta学习算法(meta)28-29
(七) 其他分类器29
四、模型比较评价29-33
五、中药药性特点标记可视化33
六、动物实验验证33-35
七、技术路线35-36
结果与浅析36-53一、数据预处理36
二、模型比较评价36-44
三、中药药性特点标记识别能力评价44-46
四、药性特点标记确定及其可视化46-51
五、动物实验验证51-53
讨论53-56一、中药高效液相色谱指纹图谱数据预处理对策53-54
二、适宜中药药性统计方式识别模型的评价与筛选54-55
三、中药药性特点标记(CHMP-marker)可视化55-56
四、药性特点标记预测图谱用于中药药性鉴别实验56
结论56-57革新与不足57-59
附录59-92
参考文献92-100
淄博市疾病预防制约中心实践报告100-110
致谢110-111
发表论文情况111-112
学位论文评阅及答辩情况表112