研究背景及挑战: 高精度无缝位置服务是智慧生活的关键技术之一, 也是实现以人为中心的智能情境感知技术基础。然而, 复杂城市峡谷(高楼、天桥、隧道)地区连续导航、室内外高精度无缝定位由于卫星信号频繁受到阻隔、室内布局动态变化等因素,实现连续高精度全空间定位存在诸多挑战。 本科研团队研究内容: 基于团队在 Wi-Fi, ZigBee, INS、图像、超声波、声音、RFID 等多种定位技术科研成果,研发高精度、低功耗、低成本、易部署的多源融合定位云平台,提供全时空位置服务及用户行为挖掘服务平台。 融合定位云平台体系框架 全时空定位服务平台上下文 突破弹性导航软硬件架构及理论体系 基于因子图多源融合定位算法 科研基础: 国家重点研发计划项目“自适应导航软硬件技术”、高精度高鲁棒性室内定位关键技术及装置研究(863)、无线传感网络定位技术研究(NSFC)、基于众包和群智计算的室内无线定位理论和方法 (NSFC)、自适应室内无线信号变化的低代价高精度定位技术研究(NSFC)等项目的支持下,已完成全时空融合定位云平台,以及用户行为挖掘大数据平台建设。   科研成果: 1中国卫星导航定位科技进步一等奖 2 获UbiComp交通模式识别比赛冠军 3获阿里巴巴天池世界比赛冠军 4 制定国家实时定位标准6项 5 发表中科院一区顶级SCI期刊论文 10 篇 6 获得国家发明专利授权 20项,申请国家发明专利 32项 7 国际 IPIN2016 室内定位比赛第3名   成果应用案例: 华为、三星、中国电信集成、华大电子、22所等

南京工业大学计算机科学与技术学院史本云教授团队联合香港浸会大学计算机科学系与中国疾病预防控制中心寄生虫病预防控制所（国家热带病研究中心）共建的智能化疾病监控联合实验室，及时搜集疫情相关信息，追踪相关数据，运用多源异构数据驱动的传染病学模型和分析方法，针对武汉（新冠肺炎发源地）、北京、天津（京津冀地区）、深圳（粤港澳大湾区）、杭州和苏州（长三角经济区）6座典型城市，开展了新冠肺炎疫情的回顾性分析和趋势预判，精准评估了不同复工场景下的疫情风险和经济损失。该研究针对新冠肺炎疫情发展期、控制期和恢复期的不同阶段，以及不同城市的传播特点（本地传播为主/输入病例为主），综合考虑了各个城市内不同年龄段的人口分布和不同人群（如学生、上班族和老人）的接触强度、接触时长等，设计了居家场所、学校场所、工作场所和公共场所4种主要接触场景。通过结合城市间的人口流动数据，构建了数据驱动的传染病动力学模型，对不同城市不同干预手段下的疫情走势进行了评估。在此基础上，研究人员结合不同城市的GDP增长预期和产业结构，基于对未来数日各城市疫情走势的研判，对下一阶段有序推动恢复正常生产提出了若干建议并进行了相应的经济损失评估。据悉，该研究成果和建议已经通过国务院参事提交国家相关部门。

本发明公开了一种基于浮动车ＧＰＳ数据的干线停车分析方法，通过数据抽样以及坐标转换，生成可视化的时空散点图实现浮动车通行数据的时间汇集，进而分析车辆的行驶特性，并进行干线停车的统计分析。本发明的干线停车分析方法，以数据可视化方式对浮动车定位数据进行时间汇集，直观分析干线车辆通行情况，在此基础上，对车辆到达交叉口的相对时间与其在下游的停车概率进行统计，从海量ＧＰＳ定位数据中分析探究干线交通流实际运行模式，并进行精细化的停车概率估计，为干线绿波诱导提供可靠、精细的数据支撑。

本平台实现交通数据的可视化、预测、关联性分析

2019年底湖北省武汉市的新型冠状病毒肺炎（简称“新冠肺炎”）疫情暴发以来，各高校科研院所除了源源不断派出医疗队以及进行医学类科研项目外,也纷纷在各自学术领域攻坚拔寨，以期尽快将研究成果转化为战“疫”力量。我校大数据与智能决策研究中心郭崇慧教授研究团队凭借自身优势，利用大数据手段，第一时间对新型冠状病毒肺炎疫情情况进行了分析研究，希望助力辽宁地区打赢此次疫情防控阻击战。郭崇慧教授研究团队首先基于辽宁省2020年1月22日至2月20日期间公开报导的121例新型冠状病毒肺炎（COVID-19）官方报导的实际数据，通过对每日新增及累计确诊患者数目、患者性别年龄分布、患者武汉旅行史和接触史分析、患者家族聚集性网络分析、病毒潜伏期和患者由暴露到患病的转移情况进行了疫情统计分析，以期为辽宁省积极应对疫情提供依据和参考。截至2020年2月20日24时，根据辽宁省卫生健康委员会公布的数据显示，辽宁省累计报告新型冠状病毒肺炎确诊病例121例，治愈出院61例，死亡1例。121例确诊病例中，沈阳市28例、大连市19例、鞍山市4例、本溪市3例、丹东市7例、锦州市12例、营口市1例、阜新市8例、辽阳市3例、铁岭市7例、朝阳市6例、盘锦市11例、葫芦岛市12例。辽宁省新型冠状病毒肺炎疫情分布如下图1所示。1 确诊病例时间序列分析自1月22日至2月20日24时期间，辽宁省每日增加及累计确诊患者数量如下图2-图4所示。由图可知，辽宁省每日新增确诊患者数量在1月31日达到峰值，随后整体呈现下降趋势，由于每日新增患者数量较31日下降，累计确诊患者数量走势图逐渐趋于平缓，从图3可以看出目前全省新增确诊患者数量呈现减少趋势，截至2月20日已连续四天无新增确诊患者。该现象表明自新型冠状病毒爆发以来，辽宁省采取的阻断交通、隔离、加强提高居民意识等积极防控手段取得了良好的成效。2确诊病例性别及年龄分布根据辽宁省各地区卫健委公布的患者信息，统计得到患者性别和年龄数据。其中，性别数据中沈阳市2例病例无相关信息；年龄数据中沈阳市2例、朝阳市1例、盘锦市5例无相关信息，剔除缺失数据得到下图5-图7统计结果。在辽宁省确诊病例中，男性整体占比54%，女性占比46%，男性比例偏高。从各地区来看，沈阳、大连、锦州、葫芦岛患者数目居于省前四名，在这四个地区中，沈阳、大连、葫芦岛男性比例大于女性，锦州男女比例相同，男性患者较多可能由于其活动范围广所致。同时，沈阳、大连、锦州、葫芦岛等大城市人员流动性较大，有较大的感染风险，是确诊患者数量相对较多的一个原因。患者年龄基本呈正态分布。其中，21岁-60岁区间患者数目占比78.2%，该部分患者活动能力较强，有强烈的社交需求，外出务工、求学或旅游等活动均增加了感染风险。患者人数在31岁-40岁区间最多，是感染的重点人群，此年龄范围居民建议着重加强防护。 3 确诊病例武汉旅行史及接触史分析根据患者是否有武汉（湖北）旅行史和确诊病例（或武汉人员）接触史，将患者分为四类：有武汉旅行史（无接触史）、无武汉旅行史（无接触史）、有确诊患者接触史（有旅行史）和无武汉旅行史有接触史，统计得到相关数据。对于已公布但未详细说明是否有武汉（湖北）旅行史的患者将其认定为无武汉旅行史人员，剔除沈阳市未披露信息的病例28，统计得到14地区确诊病例分类。 目前，121名确诊患者中120名披露了相关信息，确诊患者出行方式涉及私家车、火车、出租车、飞机、摆渡车。其中55名存在武汉旅行史，65名存在接触史。下面分别分析有武汉旅行史和有接触史的确诊患者与当前各地区确诊人数的关系，建立线性回归方程，计算相关系数从而分析相关性，用于指导实践。 图9（a）拟合直线方程为y = 1.7386x + 1.6169，x为各地区确诊人员中有武汉旅行史人数，y为各地区当前确诊人数，相关系数为0.8587，二者呈现相关性，说明有武汉旅行史是影响患者患病的一个因素。图中数据显示大连市当前确诊人数与有武汉市旅行史人数比值最大，说明大连市对排查有无武汉返乡或接触人员采取了较大的力度并使患者及时得到医治。图9（b）拟合直线方程为y = 1.6737x + 0.8007，x为各地区确诊人员中有接触史的人数，y为各地区当前确诊人数，皮尔逊相关系数为0.9099，二者呈现较高相关性。结果表明有接触史的人更容易患病，官方报告的病例中确诊患者多倾向于其他已确诊患者的朋友、亲属等与其有密切接触的人，与统计结果相一致。因此，分析结果表明：人群聚集、与他人接触会增加患病的风险，居家隔离可以降低风险。4 确诊人员场所聚集性及家族聚集性网络分析截至2月20日，辽宁省已成立沈阳、大连、锦州三个省集中救治中心，分别依托于沈阳市第六人民医院、大连市第六人民医院和锦州市传染病院，其中，沈阳救治中心覆盖沈阳、鞍山、抚顺、本溪、阜新、辽阳、铁岭、盘锦等8市；大连救治中心覆盖大连、丹东、营口等3市；锦州救治中心覆盖锦州、朝阳、葫芦岛等3市。分析已确诊患者之间的亲属或朋友关系、患者在医院的就诊情况以及患者在医院间的转院情况得到如下图10所示的网络图。图10中节点分别表示患者（红色）和医院（蓝色）。医院间的连接关系表示患者的转院情况，患者与医院间的指向关系表示患者的就诊情况，患者之间的连接关系表示亲属或朋友关系。图中节点大小与医院接诊人数或与确诊患者有亲属（朋友）关系的人数成正比。医院治疗患者人数（度）=医院接诊人数+转至此医院的患者人数，患者的度=与该患者有关的确诊人数（亲属或朋友）+就诊医院数目。医院间可能存在多个患者转院，两医院间边的粗细与转院的患者数目成正比，根据转移的患者数量将权重设定为相应的数值，其余权重默认为1。在患者转院关系中，依据国家提出的“四集中”工作原则，患者在本地确诊后多转院至省集中救治中心治疗。依据官方公布的数据可以明确知道患者在地区内部的转院情况以及各地区转移至省集中救治中心的患者数目，但是无法建立具体病例及其就诊医院与省集中救治中心的转院关系。因此，图10建立的聚集性网络时对各地区医院向省集中救治中心转移患者的情况不做分析。图10聚集性网络分析结果表明：在本地的确诊患者救治中，鞍山市“台安县恩良医院”和“鞍山市传染病医院”间患者转院次数最多，对应图中边最粗；由图中确诊患者间连接关系可以看出此次传染病存在明显的聚集特点，多地区确诊患者之间多存在亲属或朋友关系，其中，鞍山市和盘锦市的确诊患者具有亲属关系，出现跨地区感染的情况，具体为鞍山市病例2、病例3为夫妻关系，盘锦市病例9、病例10为夫妻关系且为鞍山市病例2、3的儿子儿媳，盘锦市病例10为病例9、10的儿子。除上述在辽宁省内跨地区感染的情况外，其余均为地区内部感染，说明政府在患者确诊后其密切接触人员及时隔离和交通管控等方面取得了很好的效果。从图10中分别抽取出沈阳市、大连市的数据，得到图11沈阳市、大连市确诊患者聚集性网络分析图。其中，大连市确诊病例3、4、5、6、8、9、10、11、18病例信息显示收治于“某定点医院”。根据“四集中”工作原则，省集中救治大连中心覆盖范围的患者转院至大连市第六医院集中救治，因此，数据分析时将大连市收治于“某定点医院”的患者确定为大连市第六人民医院就诊患者。沈阳市和大连市是辽宁省规模较大的地区，确诊患者人数居于全省第一、二名。图11分析结果显示，沈阳市沈阳第六人民医院首次收治患者数目最多，其次为中国医科大学附属第一医院，患者就诊后共发生三次转院；确诊患者中具有亲属（或朋友）关系的病例为：确诊病例6、7、8，确诊病例18、19、20，确诊病例4、5、9，确诊病例16、17，确诊病例24、15。大连市第六人民医院收治患者数目最多，其次为大连医科大学附属第一医院，确诊患者中具有亲属（或朋友）关系的病例为：确诊病例3、5、8，确诊病例6、9、10、12，确诊病例7、11，确诊病例17、18、19。沈阳市和大连市新冠肺炎的传播均表现出家族聚集性的特点，印证了其有人传人的特性，这提示我们疫情期间减少聚集，一旦家庭成员或所接触人员发生病情，自身应及时隔离，提高防范意识。在提升患者治愈水平及有效管控疫情上，除去转院至省集中救治中心的患者，我们分析各地区医院接诊患者人数，得到图12所示结果。图12分析结果表明沈阳市第六人民医院、盘锦市传染病医院和大连市第六人民医院收治患者人数最多，其次为中国医科大学附属第一医院、葫芦岛市中心医院和大连医科大学附属第一医院，沈阳市和大连市收治患者数量整体较多。在资源调配上，除了将资源分配至省集中救治中心外，还需关注各地区患者确诊及其初步治疗的医院，做到资源有效配置。 5 确诊病例潜伏期分布病毒潜伏期是指从病原体侵入人体到最初出现临床症状的一段时期。根据国家公布的信息显示，新型冠状病毒的潜伏期为14天。随着新型冠状病毒有潜伏期感染、无症状感染等情况，我们难以准确得到新型冠状病毒的潜伏期。本文假定将患者到达武汉（或返程）时间、与有武汉旅行史人员接触时间、与所接触确诊患者的首次接触时间确诊时间均定义为“病原体侵入人体的时间”，取三者最早者，应用该时间多存在误差；将患者发病时间确定为出现临床症状的时间，二者之间的时间间隔定为病毒潜伏期。同时去除潜伏期大于14天及无相关信息披露的患者，得到86例患者数据，分析结果如表1和图13、图14所示。 辽宁省有数据可查的86例确诊患者中，病毒潜伏期均值为7.767天，潜伏期大于等于8天的患者人数为48人，占比55.8%。患者出临床反映的时间是确定的，但是感染病毒的时间是不确定的，用患者到达武汉（或返程）时间、与有武汉旅行史人员接触时间、与所接触确诊患者的首次接触时间确诊时间定义为感染时间会使统计的潜伏期大于实际潜伏期，使得分析结果偏大。 图14为患者1月9日至2月20日期间转入转出人数分布，转入对应患者出现临床症状，转出对应于暴露，即患者到达武汉、与有武汉旅行史人员接触或与确诊患者首次接触的时间。图14数据表明在1月25日前有临床症状患者占比低于暴露患者，之后这些潜伏期人员逐渐出现临床症状，疾病爆发，确诊人员数目逐渐增加。若及时采取有效的手段控制疫情传播，则1月27日之后几乎不再有人员处于潜伏期，这时前期潜伏期患者逐渐发病，这批确诊患者若同时采取有效的医疗手段得到治疗，则疫情传播会逐渐被控制。 图15为截至2月20日确诊患者由暴露到患病人数转移网络分析图，图中节点为日期，节点大小与当日暴露和有临床症状的患者之和成正比，节点间指向关系为患者由暴露转移到患病的时间间隔，图15结果显示1月19日至1月24日期间人数最多，暴露和患病人数之和随时间呈现先增加后减少的趋势。辽宁省新型冠状病毒肺炎自2月17日以来，已连续四天无新增确诊患者，疫情形势出现积极变化，防控工作取得积极成效。自疫情爆发以来，全省社会经济活动停滞，连续四天无新增确诊患者的态势为尽快恢复辽宁省社会经济秩序提供了支持。只想着为抗“疫”阻击战贡献力量，郭崇慧教授说，这是关于辽宁省疫情的最新数据描述性分析结果，希冀会对相关部门决策起支持作用！我们后续预测性分析和指导性分析还会持续研究！

2003年获四川省科技进步二等奖（参加）。

项目简介 “低温空间温度场数据可视化与模拟分析系统”项目由泰州市沪江特种设备有限公 司委托开展。运用空间温度在线监测和计算机数据处理及可视化技术，实时分析空间的 温度场变化，实现空间温度场的优化，达到节能运行的目的。 系统根据空间需要，布置多层、多处测点，依靠传感器及相关仪表，通过 485 通信 方式实现本地数据与计算机之间的传输。自主研发的数据采集与处理程序实时监测空间 各处的温度分布，并以三维彩色视图显示，可直观观测空间的温度场的动态变化特征， 指

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图