|
支持向量机方法在《伤寒论》方分类建模中的应用
|
|
【免费中医学论文】作者：孙燕,臧传新,任廷革,李宇航【关键词】 支持向量机；分类；《伤寒论》支持向量机(Suport Vector Machine,SVM)方法是20世纪90年代出现的一种新的分类方法,已初步表现出很多优于已有方法的性能。有人把SVM方法与其他16种已有的方法作了系统的比较,得出SVM方法最优的结论[1]。利用支持向量机方法训练得到的分类器具有很好的推广能力,即使训练样本很少,分类器的预测准确率也会很高。
1 支持向量机方法
SVM方法是建立在V.N.Vapnik等人提出的统计学习理论 (Statistical Learning Theory)[2-3]基础上的一种新型学习方法,是对结构风险最小化原理的近似。它是统计学习理论中最年轻也最实用的部分,在很多领域得到了成功应用,如人脸检测[4]、文本分类[5]、气象预报[6]、分子生物学中的基因分类[7]等。
SVM分类器的基本原理是使用一个非线性变换,将不可分的空间映射到一个高维的线性可分的空间,并建立一个具有极小VC维数的分类器,该分类器仅由大量样本中的极少量支持向量确定,且具有最大的边界宽度。支持向量机算法的技巧在于不直接计算复杂的非线性变换,而是计算非线性变换的点积,即核函数,从而大大简化了计算的过程。
因此,统计学习理论和SVM方法建立了一套较好的有限样本下机器学习的理论框架和通用方法,有严格的理论基础,其核心思想就是学习机器的复杂性要与有限的训练样本相适用,能较好地解决有限样本、非线性、高维数和局部极小点等实际问题,能建立稳定的预测准确率高的分类器,所以适用于分类模式识别。
2 SVM方法在《伤寒论》方分类识别中的应用
自《伤寒论》问世以来,研究伤寒的著作有千余种,涉及七百余医家。尤其在明清时期,各医家在孙思邈“方证同条,比类相附”的启发下,运用归类编次的研究方法,从不同的角度充分揭示了《伤寒论》辨证论治的规律,如按方类证、按法分类、按症类证、按因类证、分经审证等等[8],大大丰富和发展了《伤寒论》
|
|
|
广告服务