下载文档原格式
层次分析法层次分析法是对复杂问题作出决策的一种简易的新方法，它特别适用于那些难以完全用定量进行分析的复杂问题。
如：生产者要对消费者和竞争对手作出最佳经营决策；消费者面对众多商品要作出最佳购买决策；某研究所要合理地选择科研课题；等等。
影响决策的因素很多，一些因素存在定量指标、可以度量，但更多的因素不存在定量指标、只有定性关系。
我们要解决的就是如何将定性关系转化为定量计算，从而作出最佳决策，层次分析法就是一种行之有效的方法，它可以使人们的思维过程层次化，逐层比较多种关联因素，为决策、预测或控制事物的发展提供定量的依据。
1．建立层次结构模型将问题所包含的因素分层：最高层；中间层；最低层。
最高层：表示解决问题的目的。
中间层：表示为了实现目标而采取的措施；针对不同的具体背景可能是策略层、约束层、准则层等；若因素多，可将该层分成几个子层。
最低层：是用于解决问题的各种方案、措施等。
例：某研究所有三个课题，受人力物力限制，只能选其中一个课题来研究。
有三个须考虑的因素：（1）科研成果的贡献大小（包括实用价值、科学意义）；（2）课题的可行性（包括课题的难易程度、研究周期、资金）；（3）人材的培养。
如何选择课题？建立如下层次结构模型：目标层Z ： 合理选择课题Z准则层B ： 成果贡献1B 人材培养2B 课题可行性3B 指标层C ：实用价值1C 科学意义2C 难易度3C 周期4C 资金5C 方案层D ： 课题1D 课题2D 课题3D2．构造判断矩阵设某一层有n 个因素：.,,,21n B B B 要比较它们对目标层Z 的影响权重：{}n j i ,,2,1, ∈∀，记的影响权重对的影响权重对Z B Z B a j i ij =.（1）规定ij a 的取值：若需要处理的细致一些，还可取值为 . （2）规定：若i B 比j B 对Z 的影响度小，则.1jiij a a =（3）矩阵n n ij a A ⨯=][称为判断矩阵。
指纹图谱和药效实验都完成的基础上，就需要将两者合理的联系起来，也就是所谓的数据处理。
数据的处理也是中药谱效关系研究的关键。
近年来，应用到中药谱关系研究中的分析方法主要有：灰色关联度分析、聚类分析、相关分析、回归分析、主成分分析、典型相关分析及图谱对比法。
其中灰色关联度分析和聚类分析使用的居多。
中药谱效关系研究弥补了目前以化学指纹图谱控制中药质量时与药效脱钩的不足，可以中药质量控制提供更为科学有效的数据。
近年来，中药谱效学在研究单味药及复方制剂方面应用较为广泛。
中药谱效学的提出为中药及中药制剂的质量评价提供了一个新的研究思路，它能更好的揭示中药的药效物质基础，现已经广泛应用于中药药效物质基础研究、炮制机制研究、组分配伍研究、药效预测、中药毒性成分筛选、工艺优化等方面菝葜是民间常用抗炎中药，在临床上治疗盆腔炎、附件炎等妇科炎症，疗效显著，但其效应成分尚不十分明确。
本本论文旨在通过谱效关系的研究，把化学指纹图谱与抗炎药效关联起来，以期进一步诠释菝葜抗炎的药效物质基础，也为完善菝葜质量评价体系提供科学依据。
中药指纹图谱相似度计算软件(2004 年A 版)、SPSS 22.0、EXCEL众所周知，中药的化学组成非常复杂。
中药发挥药效常常是通过多种化学成分的相互作用，中药所含的有效物质是中药疗效的保证。
为了控制中药的质量，指纹图谱技术被广泛用于构建中药评价体系。
因为指纹图谱只能反应出中药的化学成分信息，与中药的药理作用没有太多的关联，而谱效的研究恰好弥补了这个缺陷。
本章节用灰色关联度法分析了10 批菝葜药材指纹图谱中各峰对各单一药效指标的贡献，采用了层次分析法确定了各个单一指标对总药效的权重，再用灰色关联度法分析了10 批菝葜药材指纹图谱中各峰对总药效的贡献，从而为探索菝葜抗炎活性的药效物质基础提供科学依据。
灰色关联分析灰色关联分析，是以“关联度”作为发展趋势相似或相异的因素间关联程度的一种方法，关联度是对两个系统中的因素关联性大小的评价。
第一章1、医学信息学研究范畴的四个层次⏹原始健康数据⏹从原始健康数据中分析出来的有组织的综合数据库⏹从数据库中抽象出来的知识库⏹从知识库中验证出的可直接应用的知识结晶和理论，协议，临床使用手册，概论。
2、组织机构的全称和缩写计算机辅助诊断（CAD）人工智能专家系统（MYCIN）计算机断层扫描仪（computed tomography, CT）⏹国际医学信息学会（IMIA）⏹医疗信息与管理系统协会（HIMSS）⏹欧洲医学信息学联盟（EFMI）⏹亚太医学信息学协会（APAMI）⏹美国医学信息学会（ＡＭＩＡ⏹国际标准化组织⏹美国国家标准局（ANSI）⏹欧洲标准化委员会（CEN）⏹美国实验和材料协会（ASTM第二章1、数据库、数据仓库的概念数据仓库的概念：⏹面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用以支持经营管理中的决策制定过程。
⏹是一个环境，而不是一件产品，提供用户用于决策支持的当前和历史数据。
为分析数据而设计，设计时有意引入冗余，两个基本元素是维表和事实表。
2、数据挖掘的过程确定业务对象数据准备数据挖掘结果分析知识应用3、数据挖掘系统组成数据库管理模块挖掘前处理模块挖掘操作模块模式评估模块知识输出模块4、熟悉几种常用的数据挖掘算法及其原理1.决策树2.神经网络对人脑的某种程度上的抽象、简化和模仿，由人工神经元相互连接组成。
每个神经元是一个节点，通过方向性连接组成网络结构，是一个数学模型。
结构上可分成3层：输入层，隐含层，输出层。
每一层可以包含若干个节点。
层与层之间的节点互相联系3.关联规则关联规则：在同一事件中出现不同项的相关性4.OLAP联机规则5.粗糙集理论6.传统统计方法第四章1、元数据和数据元的概念、数据元的组成元数据（meta data）⏹关于数据的数据。
按照一定的标准，从信息资源中抽取出相应的特征，组成一个特征元素集合。
数据元（data element）⏹用一组属性描述定义、标识、表示以及允许值的数据单元，不可再分的最小数据单元2、数据分类的概念、方法，数据编码的概念、要素，代码类型数据分类的概念：–根据数据的属性或特征，将分类对象按一定的原则和方法进行区分和归类，并建立一定的分类体系和排序顺序的过程。
