4 粗糙集理论

    粗糙集理论(rough set)可以处理分析不精确或有噪声的数据，适用于特征变量是离散化的数据，对不完整的知识进行推理，识别并评估数据之间的依赖关系。粗糙集理论的特点是利用已知的样本中的信息，近似粗糙地表示不精确或不确定的信息，从而达到分类预测的效果。该理论的一大优势在于其无需先验信息，如隶属度函数和变量的概率统计分布，而这些先验知识往往比较难得到。粗糙集是一种优秀的机器学习方法，贴近中医信息中时有混杂的噪声及不确定描述的特点，所以利用其分析中医数据，归纳诊疗规则，有望获得成功。

    陈氏等[17]收集450例老年细菌性肺炎患者在就诊过程中的285项指标，采用粗糙集方法分析得到7种中老年肺炎的证候诊断标准，为疗效评价指标提供了客观依据。孙氏等[18]采用粗糙集与支持向量机(SVM)结合的方法对293例中医肝硬化患者临床信息建立证候决策信息表，提取出代表性症状输入SVM进行分类学习，准确率约为84.4%。陈氏等[19]从古今医案中收集与原发性高血压相关的237例病案，运用粗糙集理论进行数据分析，获得了原发性高血压肝阳上亢证的专家知识。

    5 人工神经网络

    人工神经网络(artificial neural network ......