基于FastNewman算法的肥胖症辨证论治中核心中药及配伍研究

目的:探讨中医治疗肥胖症的核心中药及其配伍规律。方法:基于文献挖掘收集并整理出230例中医诊疗肥胖症的辨证处方,采用复杂网络中的节点中心性评估和聚类分析等方法,首先通过构建"中药"网络模型,引入复杂网络节点中心性分析思想,对"中药"节点进行多角度评估计算,挖掘核心中药节点。其次,选取复杂网络聚类算法FastNewman对中药网络进行聚类分析,探究中药之间的组合规律。结果:"茯苓""白术""陈皮""山楂"和"泽泻"等是诊疗肥胖症最常使用的药物,"白术""泽泻"与"茯苓"为最常配合使用,"当归""白芍"与"甘草"为最常配合使用。结论:仿真结果表明,此算法发掘出的核心中药及其配伍规律与临床经验相符合。

基于XGBoost算法的短期交通流预测

针对短期交通流预测问题,为完成实时精准预测,建立了一种基于Huber损失的极端梯度上升(Extreme Gradient Boosting, XGBoost)短时交通流预测模型。通过对交通流数据周期性、关联性的分析,提取时间特征,并进行时间特征重要性分析。利用该模型以及提取的特征进行交通流预测,实验结果表明:该模型优于基于均方误差损失的极端梯度上升模型以及基于平均绝对误差损失的极端梯度上升模型。同时,该模型较梯度提升回归模型、支持向量机回归模型具有更高的预测精度,各误差指标小,且模型训练时间短,符合短时交通流预测所要求的时效性。

基于随机秩次k近邻规则的不平衡数据分类算法

针对不平衡数据分类问题,为提高二分类任务中少数类样本分类准确率低的问题,本文提出一种随机秩次k近邻集成学习算法——REKRNN。该方法将秩次k近邻算法应用于Bagging集成学习框架中,同时采用混合重采样和随机子空间法平衡训练集,增加基学习器差异性。仿真实验证明,该算法在处理不平衡数据分类任务时性能良好。

基于J-SC算法的失眠症核心症状及其共现规律研究

目的挖掘失眠症的核心症状及其共现规律。方法从湖北中医药大学附属国医堂睡眠记忆专科抽取诊断为失眠的门诊病例资料约807例,首先,构建失眠症的"症状"网络模型,对"症状"节点进行多指标的评估,计算出"症状"网络的核心节点。其次,利用复杂网络聚类算法J-SC对构建的网络模型进行聚类分析。结果通过中心性指标的综合计算结果:入睡困难、夜尿频、多梦、舌红、舌苔白等症状是失眠症的核心症状。聚类分析结果:以入睡困难、舌红为核心,伴见腰膝酸软、潮热盗汗等症状,常出现于不寐中的心肾不交或肾阳虚、肾阴虚证;以多梦为核心,伴见急躁易怒、头晕目胀、耳鸣咽干等症状,常出现于不寐中的肝火扰心证;以舌苔白为核心,伴见乏力神疲、腹胀便溏、面色不华等症状,常出现于不寐中的心脾气血两虚证;另还有常见多噩梦、易惊醒、伴气短自汗的心胆气虚证;多见胸闷脘痞,口苦头重等症状的痰热扰心证。结论运用复杂网络分析方法对失眠症的症状进行深入挖掘,结果具有较高的精确度和效率,且探寻的核心症状及其共现规律,具有较高的临床实证性。