模式识别是人工智能学科中一个重要的研究领域,运用数据挖掘方法解决研究对象的模式识别问题,称为模式挖掘。中医在冠心病诊断和治疗方面有着完善的理论基础和成熟的方法体系,然而中医的基本概念、理论和方法是建立在中国古代阴阳八卦哲学基础上的,对证候模式的描述难以理解和量化,其知识是以非结构化的形式存在的,不利于运用现代医学方法解决问题。本文以证候、表型、基因等实体所构成的生物网络为基础,着重研究中西医在冠心病诊疗中相关概念的关联关系,构建了证候-表型、证候-基因关联模式,对其关系提取和计算方法进行了深入研究,取得了一定的成果。本文主要工作分为两部分:　　 一.基于特征选择的模式挖掘　　 ·特征选择构建冠心病证候.表型模式构建:在疾病证候-表型模式构建中,各表型(特征)互相依赖、互相影响,常见的特征选择方法已不再适用,本文提出了基于改进的Markov blanket算法来分析中医证候与表型的关联关系,确定与证候相关的表型集合,构建证候-表型关联模式。　　 ·分类算法构建证候问诊模型:在确定了证候-表型模式后,以冠心病作为实例,分别使用神经网络、支持向量机、决策树和贝叶斯网络构建证候分类器,对给定的病例数据判定其证候诊断结果,从而实现证候问诊模型。　　 二.基于文本挖掘和推理网络的模式挖掘　　 ·利用于文本挖掘构建表型-基因模式:充分利用OMIM数据库精心维护、更新及时、可靠性较高等特点,采用文本挖掘的方法提取隐含其中的表型-基因关联关系,并将这些关系作为构建表型-基因关联模式的基础。　　 ·利用标签传播算法挖掘潜在关联模式:OMIM数据库所收录的表型和基因数量有限,对于没有包含在其中的表型与基因间的关系,本文利用基因间隐含在蛋白质反应网络中的拓扑结构信息,采用网络标签传播算法挖掘潜在表型-基因关联模式,提出了相应的算法并给出了预测结果。