全 文 ：中草焉ChineseTraditionalandHerbalDrugs第39卷第10期2008年lo月·1441·
·中药现代化论坛·
支持向量机与中药研究
龙伟1，刘培勋1，曾 平2，徐 阳1
(1．中国医学科学院清华大学医学部北京协和医学院放射医学研究所．天津300192l
2．湖南商学院图书馆信息部，湖南长沙410205)
摘要：近年来越来越多的人工智能技术开始在中药研究领域得到应用并取得令人鼓舞的成果。支持向量机是近
十余年发展起来的人工智能技术．包含了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术t
它的出现弥补了以往技术的不足并表现出很强的发展与应用潜力。中药现代化研究完全可以借助支持向量机的研
究成果开创一片新的天地。尽管如此，支持向量机在中药研究领域的应用仍然不多见，一方面可能与支持向量机理
论正处在发展上升的阶段有关，另一方面则可能是由于该项技术在中药研究的这片处女地上埋藏着巨大应用潜
力．尚未引起人们的足够重视。总结近年来支持向量机在中药研究领域应用的基础上．讨论目前存在的问题，展望
未来的发展趋势，探讨可能的应用方向．并以此激励更多的研究力量参与其中。
关奠词：支持向量机l中药1分类l识别，预测
中圈分类号：R28 文献标识码：A 文章■号：0253—2670(2008)10—1441一05
Supportvectormachinea dChinesemateriamedicaresearch
LONGWeil．LIUPei—xunl，ZENGPin92，XUYan91
(1．InstituteofRadiationMedicine．ChineseAcademyofMedicalSciencesandPekingUnionMedicalCo lege，
MedicalCo legeofTsinghuaUniversityTianjin300192，Chinal 2．I formationCenterfLibrary，
HunanCommercialCollege·Changsha410205，China)
Abstract：Recentlymorea dmoreartificialintelligenttechnologieshavb enappliedintheresearches
ofChinesemateriamedica(CMM)andsomer sultshavebeengained．Supportvectormachine(SVM)isa
newartificialintelligenttechnologythathasbeendevelopedinthelatesttenyears·includinga lotof
technologies，suchasthelargestin ervalhyperplane，Mercer’Snucl ar，convexquadraticprogramming，
sparsesolution，slackvariableandSOon．Comparingtothepreviousnes，thistechnologyismore
advancedandhaspowerfulpotentialdevelopmentandapplicationworth．Themod rnizationstudiesf
CMMwillprobablyapproachanewaytothrivebasedonthedevelopmentofSVM．Atthistimesome
farsightedresearchershavebeenstudyingonit．However·theapplicationofSVMinCMMresearchisnot
widespread．ThismaypointtothefacthathetheoryofSVMisdeveloping．Ontheotherhand，the
importanceofSVM．aspowerfultootoCMMresearch，hasnotbeenrealized．Thisarticletryingto
summarizethecurrentapplicationofSVMinCMMresearches．Itspotentialapp icationinthefuturehas
beendiscussedandmoreresearchersw ocouldparticipateinthisstudywillbeexpected．
Keywords：supportvectormachine(SVM)，Chinesemater amedica(CMM)，classificationl
identification；prediction
中药是中华民族的瑰宝，在世界科技相互交融
却又相互竞争的今天，继承与发扬中华民族所特有
的文明成果显得弥足珍贵。我国的中药现代化研究
几十年来取得了丰硕的成果，但是一些关键问题仍
然没有得到解决，中药研究与国际接轨某种程度上
依然还显得不够。近年来，中医中药复杂性、系统论
的思想得到广大认同，但是如何将理论付诸现实，是
迫切需要解决的问题。众所周知，复杂体系、系统论
收疆日期：2008-05—05
基金项目：科技部科研院所研究开发专项基金(2004EGl36193)
作者筒介。龙伟(1979一)，男．湖南益阳人．硕士．研究方向为计算机辅助药物设计．
Tel／Faxf(022)85683042E·mailIIongway—long@yahoo．com．cn

万方数据
·1442· 中草菊ChineseTraditionalandHerbalDrugs第39卷第10期2008年10月
的研究必须借助数学工具，而现代计算机技术的迅
猛发展为此提供了绝佳的机会。越来越多的人工智
能技术开始在中药研究领域得到应用并取得令人鼓
舞的成果。支持向量机是最近十余年发展起来的人
工智能技术，它的出现弥补了以往技术的不足并表
现出强大的发展与应用潜力。中药现代化研究完全
可以借助支持向量机的研究成果开创一片新的天
地，而国内一些颇有远见的科研人员已经并正在努
力。尽管如此，支持向量机在中药研究领域的应用仍
然不多见，一方面可能与支持向量机理论正处在发
展上升的阶段有关，另一方面则可能是由于该项技
术在中药研究的这片处女地上埋藏着巨大应用潜力
尚未引起人们的足够重视。本文在总结近年来支持
向量机在中药研究领域应用的基础上，讨论目前存
在的问题，展望未来的发展趋势，探讨可能的应用方
向，并以此激励更多的研究力量参与其中。
1支持向量机
支持向量机(supportvec ormachine，SVM)是
一种人工智能技术的机器学习新方法，能非常成功
地处理回归问题以及模式识别与分类等诸多问题，
用于数据挖掘，并可推广于预测和综合评价等领域。
20世纪60年代末Vapnik等[1]开始致力于统计学习
理论的研究，20世纪90年代随着该理论的成熟，诞
生了SVM。SVM是机器学习领域若干技术集大成
者，它包含了最大间隔超平面、Mercer核、凸二次规
划、稀疏解和松弛变量等多项技术，在许多具有挑战
性的应用中取得了迄今为止最优的结果。与传统方
法基于经验风险最小化原则不同，SVM以结构风险
最小化为目的，追求模型的预测性能和泛化能力，从
而能够较好地解决小样本、非线性、高维数和局部最
小等实际问题，因此成为20世纪90年代末发展最快
的研究方向之一。到目前为止，SVM已被成功地应
用到语音识别、灾害控制、手写体辨别、金融风险评
估、基因微阵列分类及蛋白质空间结构预测等诸多
模式识别领域中[2]。进入21世纪后，SVM开始在药
物研究领域得到应用，且研究成果与日俱增。最近几
年，SVM开始应用于中药研究，包括药材识别、复方
组方、方剂识别、中药制剂工艺优化、中药化学性质
预测等。
SVM包括支持向量分类(supportvector
classification，SVC)和支持向量回归(support
vectorregression，SVR)。SVC主要应用于模式识
别与分类以及差别分析等；SVR主要用于数据的拟
合并产生回归模型，用于相关预测等。
1．1 SVC：假设有一个两类样本的分类问题，已知有
一组样本{z1，Y1)，i=1，⋯，恕，五∈R6，yi∈{一1，
+1}，分类问题的目的就是找出一个决策函数，使得
对于给定的向量能够准确判断其分属于哪一类。如果
两类样本属于线性可分，则存在一个最优的超平面，
可以将两类样本分布在这一超平面的两侧。SVC的
基本思想就是找到这样一个超平面，使两类样本实现
最大的分离，即最优超平面。最优超平面就是要求超
平面不仅可以将两类无错误地分开，而且要使两类间
隔最大。超平面的方程可表示为wx-bb=0。而构造最
优超平面的问题转换为如下的约束优化问题：
min∞(w)=÷0∞lI2=÷(锄7硼)
5．t．∞(zi·+6)≥1，i=1，⋯，n
以上两个公式的含义是在满足第二式的条件
下，求解第一式的最小值。余下公式以此类推。其中
W、b两个参数来自超平面方程。
然后，将原问题转换为如下凸二次规划的对偶
问题：
max∑巩一÷乏乏aiaJylyj(xrlxj)
s．t．=口lM=O，4。≥O，i一1，⋯，挥
ai，aJ为Lagrangian乘数
根据Kuhn—Tucker条件，这个最优解还必须
满足：
口iEy，(wr—zl+6)一13=0(1)
该对偶问题存在唯二最优解，令最优解为a，。，
则w。=乏Ma。’zi，b’可由式(1)求解，由此可得最优
分类函数：，(z)=sgn(艺y忽’z。丁z，+6。)。对于线性
不可分情况，可引入非负的松弛变量。具体求解方法
和求线性可分的情况类似。若在原始空间中不能得
到满意的分类效果时，则可通过非线性变换0将输
入空间映射到高维空间，在高维空间求得最优线性
分类超平面。具体实现方法是通过定义适当的核函
数K(xi，z，)=<①(zi)·中(z，)>来代替最优分类平
面中的点积XiT--Xj，此时优化函数和差别函数中的
点积也随之改变。对于多类分类问题，有多种实现方
式，目前常用的是一对一或一对多两种。
1．2 SVR：支持向量回归与支持向量分类思想类
似，即通过一个回归超平面Y=(叫·z)+b最佳拟
合空间中的样本。它通过事先确定e来控制算法大
致希望达到的精度，其主优化问题是：
1
rain÷0t￡， 2+c∑(毫+}j)
‘ --l
5．t．(tcJ7∞(z．)+6)一M≤e+￡
M一(硼7垂(工i)+6)≤￡+￡

万方数据
中草焉ChineseTraditionalandHerbalDrugs第39卷第10期2008年10月· 443·
￡·曰≥O，i=1．．‘，行
其中拿h拿?为松弛变量，C为惩罚参数，主要在
提高泛化能力和减小误差之间起调控作用。
转换为对偶问题：
max艺yl(al--a／)一￡Z(“+a／)
1 ■ ■
一÷∑乏(ai--ail)(a,--a；)K(xitx／)
二f-lj--I
s．t．乏(m--aj)=0，O≤4f，a／≤C
判别函数：，(z)=X(af-ai)K(z，，z)+6
SVM通过将数据映射到特征空间并计算其内
积，是满足Mercer条件的核函数。目前，在SVM中
使用的核函数的形式主要有4种：
线性核K(x，五)一z·Xi
多项式核K(x，矗)=(口lz·z．+正2)。
径向基函数(RBF)核K(x，z。)=exp(一百IIz一矗lI2)
Sigmoid核K(x，丑)----tanh(4lz·zf+42)
其中z、z，是特征空间中的支持向量；d为多项
式的幂；百为RBF核的核参数：口，、口：为常数。
2 SVM在中药研究中的应用现状
2．1 中药材识别：中药材产地、真伪的识别在现今中
药材市场鱼目混杂的环境下显得尤为重要。以往以经
验判断为主的传统方法在市场运作模式下越来越力
不从心。利用SVM的分类功能对中药材光谱数据进
行分类以达到药材识别目的的方法已开始受到重视。
刘沭华等[3]采用RonanCollobert的SVM
Torch支持向量机多类分器进行中药材的红外光谱
分类，对来自4个不同产地的269个白芷样本和6个
不同产地的380个丹参样本进行了产地鉴别。白芷
和丹参样本的产地鉴别的准确率分别达到99．6％和
99．2％，鉴别野生和栽培丹参的准确率达到97．8％。
汪劲等“3采用RBF支持向量机对玄参及其赝
品草乌和川乌的傅里叶变换红外光谱的扫描数据进
行分类，从而鉴别玄参药材的真伪，实验结果达到很
高的精确度。
张录达等[53通过SVM一近红外光谱法建立了大
黄样品真伪识别模型。将大黄各样品粉末的傅里叶
变换近红外漫反射光谱进行一阶求导，利用一阶导
数光谱4000----8000cm的1037个数据点进行主成
分分析，提取了15个主成分。以33个建模样品的15
个主成分信息作为SVM学习的输入因子，选取3种
核函数通过MATLAB语言设计SVM建模分析程
序。所建SVM识别模型对学习集的正确识别率为
100％；对70个预测样品，选择不同的核函数有相同
的识别结果。除去5个有争议样品，正品全部识别正
确，伪品识别大部分正确，样品识别的准确率为
96．77％。
从以上实例不难看出采用SVM的分类方法对
中药材进行鉴别的精确度都很高，而且具有自动识
别的特点，方法具有推广性。但是同时也应该看到目
前的SVM方法均局限于红外光谱数据的分类，未来
其对中药材的鉴别须基于更宽、更广的技术支持，如
紫外光谱数据的分类鉴别、中药指纹图谱的分类鉴
别等，并采用多方法识别的模式加强识别精度。
2．2 中药复方识别：中药复方是中医治病用药的主
要实现方式，中药复方的研究在整个中药研究领域
起着举足轻重的作用。从古至今中华民族通过实践
积累了大量有效的中药复方，如何对这些复方进行
识别与分类，如何在前人的基础上开发新的有效复
方，是十分重要的课题。
孙燕等[6]采用SVM应用软件CMSVM，以RBF
作为核函数，对《伤寒论》中的方子按主从方进行分
类识别建模，参与建模的数据是由随机抽取的25个
桂枝汤的加减方及麻黄汤类方、小青龙汤、大青龙
汤、葛根黄芩黄连汤等共35个样本数据组成，最优
模型交叉验证的正确率为94．29％。用训练建立的最
优模型对5个未参与训练建模的桂枝汤类方和8个
白虎汤加减方进行识别，正确率达100％。除此之外，
他们还将研究范围扩展到从不同的角度如方剂的主
治征、治法、病历等对《伤寒论》方进行训练学习建
模，实现对方剂的模式识别[7]。
蔡从中等[81根据大量的文献资料，收集并整理
出一套多味传统中药复方，作为SVM的正样本，通
过计算机随机产生负样本。利用传统中药的性味归
经特点，构建出复方草药的特征向量，并结合中药配
伍禁忌和妊娠禁忌，利用SVM机分别对4味、5味、6
味、7味、8味、9味和10味复方进行分类，得到了较
好的分类效果。通过这种方法，可以在一定程度上有
效区分正、负样本，即有效药方和无效药方。另一方
面，特别是被预测为假阳性的随机负样本有可能是
迄今为止人们尚未发现的新药药方，有进一步研究
的价值。
新加坡国立大学Wang等凹]运用SVM的方法
也进行了同样的尝试。他们通过用575个名方作为
正样本。1961个不同的中药单味药随机组合方作为
负样本进行训练，然后测试训练模型，72个名方正
测试集测试准确率为73．6％，5039个假复方负测试
集测试准确率为99．9％。并对近年来新报道的有效
复方48个进行测试，阳性率为68．7％。

万方数据
·1444· 中草焉 ChineseTraditionalandHerbalDrugs第39卷第10期2008年10月
以上研究说明采用SVM对中药复方方剂模式
和有效性进行识别是可行的。但是，目前的研究深度
还不够，复方模式的识别与分类应更倾向实用性，而
对复方有效性识别的精度也需要提高。
2．3 中药制剂工艺参数优化：中药制剂是中药现代
化的重要内容，其工艺参数的优化对药品质量、降低
成本以及中药走向国际市场都起着决定性的作用。
一些国内科研工作者利用支持向量机技术探索了中
药制剂工艺参数的优化。
朱恒民等j-¨]从中药提取工艺的历史数据中，挖
掘确定提取参数的相关知识，用于指导工艺人员选
择正交试验的影响因素及各因素水平。他们搜集整
理出110条中药的提取工艺数据，每条数据包含有
关提取信息的8个属性，即溶媒量、提取时间、提取
次数、溶媒类别、药的功效、性味、药用部位和正交试
验考核指标。采用决策树ID3算法和SVC算法，构建
了提取次数的分类器；采用SVR算法分别为提取时
间和溶媒量建立了回归预测模型。实验结果表明，尽
管ID3算法的结果可理解性较好，但SVC算法有更
高的精度，SVR算法建立的预测模型更加可靠。
李军等[1门利用软件LIBSVM详细推导了滴丸
含水量的SVM建模，较好地预测了滴丸含水量，给
出了各工艺参数取值范围。理论分析和仿真结果表
明，与BP神经网络建立的软测量模型相比，SVM具
有学习能力强、泛化能力好、对样本的依赖程度低等
优点，较好地跟踪了滴丸含水量的变化趋势，显示出
其在中药工艺研究领域中巨大的应用潜力。
2．4 中药化学性质的预测：化合物可以形成聚集
体，这种分子聚集体可能对靶点具有复杂抑制活性。
在中药中已经发现这种现象，为了进一步研究这种
现象，黄钦等[121采用SVM方法对分子的聚集情况
建立了预测模型，使用筛选出的10个有效的描述
符，通过留一法所建立的预测模型具有较好的预测
能力，对训练集和测试集的预测准确率达到了
89．6％和90．4％。用这个模型对中药有效成分三维
结构与性质数据库(CHDD)的分子进行了预测，数
据库的9820个分子中，有6024个分子形成聚集体，
这可能有助于解释中药治疗机制，特别是对复杂疾
病和慢性疾病的治疗机制的阐释。最后，对预测结果
验证，发现该模型对一些常见的中药成分可以正确
进行预测。研究结果表明，这个模型具有良好的预测
能力，并且具有稳定性以及良好的推广能力。这个模
型被用于对中药有效成分三维结构与性质数据库
(CHDD)中的分子的预测。
运用SVM对中药化学性质进行预测是一项非常
有开创意义的工作，除了中药聚集体之外，将来很有
可能将其推广至更多中药化学性质的预测与研究。
2．5 中药化学成分的构效关系研究：袁福星等口1用
SVR方法研究了48个黄酮类化合物的醛糖还原酶
抑制活性的定量构效关系，建模过程中利用留一法
交叉验证优化了核函数的类型、惩罚系数和不敏感
函数，所建模型最终采用了227个变量中的7个，所
得SVM模型的预测相对误差为0．0622，小于多元
线性回归和偏最小二乘法以及文献报道模型的预测
相对误差。
菊酯类化合物最初是从除虫菊中提取得到的具
有杀虫功效的天然化合物。刘太昂等口们将SVC方法
用于醚菊酯类似物构效关系的研究，所用分子描述
符为物理化学参数，包括该类化合物的两个取代基
的Hammett常数盯A、crB，摩尔折射MA、MB，疏水值之
和Ⅱ。建立了醚菊酯类似物生物活性预报的SVM预
报模型，其留一法交叉检验的预报正确率为90．3％。
将支持向量机的预报结果与主成分分析(PCA)、人
工神经网络(ANN)、最近邻算法(KNN)的预报结
果进行比较，所得SVM的预报正确率高于PCA、
ANN、KNN的结果。
到目前为止，SVM已经被认为是研究药物构效
关系的又一个有力手段，这对于中药化学成分的药
效预测也是一个不可多得的工具，它对推动中药化
学的研究具有一定的作用。
3未来应用方向展望与探讨
3．1用于中药复杂系统的研究：如今中医学是复杂
性科学的观点已得到大多数人的认同，而中药复方
是中医治病的主要方式，中药复方的气味合和、君臣
佐使、辨证施药、随症加减的特点无不透射出其本身
固有的复杂性[15~17]。中药尤其是中药复方由于其本
身所特有的复杂性与系统性，使得一般还原论的科
研方法很难对其做出科学合理的分析与判断。SVM
具备坚实的数学基础，在解决问题时不回避事物固
有的复杂性，而其分类与回归的方法又十分适于系
统论的研究，这些都说明SVM与复杂系统有着天然
的联系，用于中药复杂体系的研究将在不久的将来
得到实现。
3．2用于中药药性物组学的研究：中药药性理论是
中医药理论的精髓，是中华民族乃至世界的宝贵财
富，对中药药性理论加以现代诠释，让全人类共享中
华文明的成果，是当务之急。本实验室在几十年中药
研究的基础上率先提出了“中药药性物组学”的新概

万方数据
中草焉ChineseTraditionalandHerbalDrugs第39卷第10期2008年10月· 445·
念，认为中药药性物组学是研究中药药性物质组组 2005，25(1)：33—35·
成、作用及其相互关系的科学，它又可分为四气物组 口3萎识嘉；薷篇篇篙j喜茎舅菩篓萎茎之慧医1方4(剂11模)，
学、五味物组学、归经物组学、毒性物组学和比较药 25—28．
竺挈罂差：。-=譬望曼哿学的，耋竺竺芋!孝掌!竺C7]凳分羹茹冀嚣嚣盏芎’：纛璺燃篇煮鼍：
综合与多技术的应用之上，中药药性物组学也不例 (1)．Ⅷ一；02．
外。运用SVM可以对四气物质组、五味物质组和归 [8]蔡从中，袁前飞·肖汉光，等·中药组方的计算机辅助分类
经物质组进行分类与识别，SVR又可以用于毒性物 意识别[J]·重庆大学学报：自然科学版t2007’29‘10’：42‘
质组的毒性预测和比较物质组的统计测算。总而言 [9]W。。gJF，C。iCZ。K。ngcY，矗以．Acomp。t。，。。thodfo，
之，由于SVM在中药研究中所表现出来的巨大应用 validatingtraditionalChinesemedicineherbalprescriptions
潜力，它必然成为中药药性物组学研究的一个强有 [103朱[J]恒．民Am，刘J文Ch杰in，笔；生20．05教,据33挖(2掘)．．善祟巍化中药提取工
利的工具。 艺中的应用[J]．计算机与应用化学，2006，23(3)，233一
sVM作为一种誓10年才出现的新型人工智能[11]李236‘军，黄海宽，曹琦．基于支持向量机的中药工艺参数
技术，其理论还在不断完善和发展之中，各种其他的 优化研究[J]．计算机工程与应用．2007．43(36)：205—207．
技术正在与之相互融合，推动其向更高水平、更深程 [12]黄钦，庄艳，乔学斌，等·用支持向量机建立中药有效
度的方向发展。同时，也应该注意到，SVM要在中药 成分橐集体的预测模型口]·物理化学学报’2007’23‘8’：11A1．11 A
研究领域产生更深、更广的应用，需要其本身调整其 [133Y。。。FX。L。WC，LiGz，甜。1．Usingsupportvector
架构，编写与中药研究相适应的专业软件，达成“无 ”g”510“forQSAR砒udY”theal o””du吐”⋯h1b1幻ry
缝链接”，从而推动二者的相互发展。 ：c。t、ivit，y。。of⋯sore。n87。⋯[J]·co砷铆2
m”’2007’24
。
参考文献： [143LiuTA．LuWc．ZhangLM．eta1．UsingSUpportvector
[13CortesC，VapnikV．Supportvec ornetworks[J]．MathclassificationforSAPoftheethofenproxanalogousof
Learn，1995，20l273—293．pesticide[J]．CompAl,ptCh m，2004，21(6)：795—799．
[2]FlachPA．Onthestateoftheartinmachinelearning：A[15]龙伟．刘培勋．高静．计算机虚拟筛选技术对“黄连解毒
personalreview[J]．ArtificIntell g．2001．131：199—222．汤”药效物质功能分群的研究[J]．医药导报，2008，27(I)·
[3]刘沐华，张学T，周群，等．模式识别和红外光谱法相结 23—25．
合鉴别中药材产地[J]．光谱学与光谱分析，2005，25(6)：[16]龙伟，刘培勋。高静．现代信息技术在中药复方研究中
878—881． 的应用[J]．中国中药杂志．2007，32(13)：1260—1263．
[4]汪劲，程存归．傅立叶变换红外光谱的sVM快速中药鉴别[17]龙伟，刘培劝．CADD技术在中药及复方研究中的应用探。．
[J]．仪器仪表学报，2005，26(增刊)：710—711． 讨[J]．世界科学技术一中医药现代化。2007，9(6)：22—24．
。
[5]张录达．苏时光．王来生．支持向量机(SVM)iI／傅里叶变换[18]刘培勋，龙伟．中药药性与中药药性物组学[J]．中国中药
近红外光谱分析中的应用研究[J]．光谱学与光谱分析， 杂志．2008，33(13)t10-12．
《中国药学会百年史》出版发行
为庆祝我国最早成立的学术团体——中国药学会成立100周年，我会组织有关的药学史专家学者编写
的《中国药学会百年史》一书，于近日由中国人口出版社正式出版发行。本书以翔实的学会史料为据，概述了
她的百年辉煌发展史。全书从史学的角度，重点记录其活动史实，包括历届年会(代表大会)和相关的各种学
术活动，以及各专业学术组织、各地方药学会、所主办刊物的活动概况；收裁了早期创始人及历届理事会的理
事长、副理事长及各个时期对药学事业做出过重要贡献的药学人物传略(201人)和百年大事记(1907～
2007)。全面地反映了中国药学会的发展历史，堪称为是一本论述中国药学会的会吏专著。本书可供广大药
学会会员、药学科技工作者和药学史研究者参考。全书大16开本，76万字，装帧精美，每册定价人民币100．00
元，中国药学会高级会员可享受8折优惠，凡需要订购者可向中国药学会组织工作部联系，并将书款、邮寄地
址、邮编、收件人等详细信息一并寄至我会，我会收到书款后将发票与该书挂号寄至收件人；如银行汇款，请
注明“购百年史书款”字样(我会开户银行：中国银行总行；银行帐号：00134308091001；收款单位：中国药学
会)。
联系方式：北京市朝阳区建外大街四号建外SOHO9号楼1802室邮编：100022电话：(010)58699270(Fax)
E-mall：cpa22@cpa．org．cn或cpa@cpa．org．ca

万方数据
支持向量机与中药研究
作者： 龙伟， 刘培勋， 曾平， 徐阳， LONG Wei， LIU Pei-xun， ZENG Ping， XU Yang
作者单位： 龙伟,刘培勋,徐阳,LONG Wei,LIU Pei-xun,XU Yang(中国医学科学院,清华大学医学部北京
协和医学院,放射医学研究所,天津,300192)， 曾平,ZENG Ping(湖南商学院图书馆信息部
,湖南,长沙,410205)
刊名： 中草药
英文刊名： CHINESE TRADITIONAL AND HERBAL DRUGS
年，卷(期)： 2008,39(10)
被引用次数： 2次

参考文献(18条)
1.Cortes C;Vapnik V Support vector networks 1995
2.Flach P A On the state of the art in machine learning:A personal review[外文期刊] 2001(s1-2)
3.刘沐华;张学工;周群 模式识别和红外光谱法相结合鉴别中药材产地[期刊论文]-光谱学与光谱分析 2005(06)
4.汪劲;程存归 傅立叶变换红外光谱的SVM快速中药鉴别[期刊论文]-仪器仪表学报 2005(zk)
5.张录达;苏时光;王来生 支持向量机(SVM)在傅里叶变换近红外光谱分析中的应用研究[期刊论文]-光谱学与光谱
分析 2005(1)
6.孙燕;臧传新;任廷革 支持向量机分类器在中医方剂模式识别中的应用研究[期刊论文]-中医药管理杂志
2006(11)
7.孙燕;臧传新;任廷革 支持向量机方法在《伤寒论》方分类建模中的应用[期刊论文]-中国中医药信息杂志
2007(01)
8.蔡从中;袁前飞;肖汉光 中药组方的计算机辅助分类与识别[期刊论文]-重庆大学学报(自然科学版) 2007(10)
9.Wang J F;Cai C Z;Kong C Y A computer method for validating traditional Chinese medicine herbal
prescriptions 2005(02)
10.朱恒民;刘文杰;王宁生 数据挖掘技术在优化中药提取工艺中的应用[期刊论文]-计算机与应用化学 2006(03)
11.李军;黄海宽;曹琦 基于支持向量机的中药工艺参数优化研究[期刊论文]-计算机工程与应用 2007(36)
12.黄钦;庄艳;乔学斌 用支持向量机建立中药有效成分橐集体的预测模型[期刊论文]-物理化学学报 2007(08)
13.Yuan F X;Lu W C;Li G Z Using support vector regression for QSAR study on the aldose reductase
inhibitory activity of some flavones[期刊论文]-Computers and Applied Chemistry 2007(06)
14.Liu T A;Lu WC;Zhang L M Using support vector classification for SAP of the ethofenprox analogous
of pesticide[期刊论文]-Computers and Applied Chemistry 2004(06)
15.龙伟;刘培勋;高静 计算机虚拟筛选技术对黄连解毒汤药效物质功能分群的研究[期刊论文]-医药导报
2008(01)
16.龙伟;刘培勋;高静 现代信息技术在中药复方研究中的应用[期刊论文]-中国中药杂志 2007(13)
17.龙伟;刘培劝 CADD技术在中药及复方研究中的应用探讨[期刊论文]-世界科学技术-中医药现代化 2007(06)
18.刘培勋;龙伟 中药药性与中药药性物组学[期刊论文]-中国中药杂志 2008(13)

本文读者也读过(10条)
1. 唐斌.杜曦.胡昕.Tang Bin.Du Xi.Hu Xin 基于血常规支持向量机应用于肾病模型的预测[期刊论文]-中国组织
工程研究与临床康复2008,12(52)
2. 李超峰.刘燕.胡珊.何荣.LI Chao-feng.LIU Yan.HU Shan.HE Rong 基于支持向量机的骨肉瘤X线图像中病变区
域的自动识别研究[期刊论文]-医学信息学杂志2010,31(9)
3. 谭建奇.廖贤平.黄孝庭.陈振洲 SVM在临床医学中的应用[期刊论文]-海南医学2009,20(9)
4. 曾明飞.潘林梅.朱华旭.张启春.郭立玮 黄连解毒汤药动学实验研究及数据挖掘技术的应用[会议论文]-2008
5. 王志刚.赖丽娟.熊冬生.吴效明.WANG Zhi-Gang.LAI Li-Juan.XIONG Dong-Sheng.WU Xiao-Ming 基于AR模型和
支持向量机的急性低血压预测[期刊论文]-中国生物医学工程学报2011,30(2)
6. 张永生 支持向量机在害虫预测预报中的应用[期刊论文]-现代农业科技2009(14)
7. 向昌盛.周子英.张林峰.XIANG Chang-sheng.ZHOU Zi-ying.ZHANG Lin-feng 支持向量机在害虫发生量预测中的
应用[期刊论文]-生物信息学2011,09(1)
8. 葛家怡.周鹏.赵欣.刘海婴.王明时.GE Jia-yi.ZHOU Peng.ZHAO Xin.LIU Hai-ying.WANG Ming-shi 基于支持向
量机的睡眠结构分期研究[期刊论文]-计算机工程与应用2008,44(8)
9. 杨振森.李传富.施俊.周康源.贺礼.YANG Zhen-sen.LI Chuan-fu.SHI Jun.ZHOU Kang-yuan.HE Li 基于SVM的前
列腺超声图像病变分析[期刊论文]-中国医疗器械杂志2008,32(6)
10. 谢松云.张海军.赵海涛.张振中.杨金孝.XIE Song-yun.ZHANG Hai-jun.ZHAO Hai-tao.ZHANG Zhen-zhong.
YANG Jin-xiao 基于SVM的脑功能分类与识别方法研究[期刊论文]-中国医学影像技术2007,23(1)

引证文献(2条)
1.齐岩磊.陈娟.杨祺.祁欣 基于SVM的葛根素提取软测量系统的设计[期刊论文]-电子测量与仪器学报 2012(8)
2.何伟.程淼.乔文彪.田丙坤.邢玉瑞 证候要素及其演变规律研究方法探析[期刊论文]-中医杂志 2013(11)


本文链接：http://d.g.wanfangdata.com.cn/Periodical_zcy200810001.aspx