证候和临床症状,是中医诊断的临床基点,具有表现多样,相互之间关系复杂的特点,学习掌握困难。机器学习提供了一种新的可能,而贝叶斯方法是机器学习的一个重要分支,是基于贝叶斯定理的统计学分类方法,具有严谨的数学理论作支撑。通过使用贝叶斯方法对证候和临床症状进行分析识别,便于深入把握其内在联系,为中医理论的学习掌握和临床研究给出有益探索。本文重点研究贝叶斯方法中的两个重要算法朴素贝叶斯分类算法和贝叶斯网络在中医诊断中的应用。主要研究工作如下:1)从《中医诊断学》中以人工方法手动总结、整理中医诊断的相关数据,应用于贝叶斯方法。2)将朴素贝叶斯分类算法应用于中医诊断中,使用C#语言开发窗体应用程序进行中医诊断中的证候分类研究,实现了分类预测、计算预测准确率等功能,并添加了汉字拼音首字母提示输入功能。3)突破朴素贝叶斯分类的条件独立性假设,提出利用信息论中条件互信息的概念构造中医诊断的网络结构模型的方法。论文的初步成果是,使用朴素贝叶斯分类算法的思想开发中医证候诊断的分类器,实现对临床症状的证候进行分类,分类准确率可到98%以上。采用图论与信息论的知识构造贝叶斯网络结构图,对于更深入的分析临床症状之间以及临床症状与证候之间的依赖关系有指示意义。