| 中文摘要 | 第1-10页 |
| Abstract | 第10-14页 |
| 英文缩略语 | 第14-15页 |
| 前言 | 第15-16页 |
| 第一部分 文献综述 | 第16-34页 |
| ·《伤寒论》研究方法概述 | 第16-21页 |
| ·传统文献学方法 | 第16-17页 |
| ·中西医结合研究方法 | 第17-18页 |
| ·数学方法 | 第18-21页 |
| ·机器学习方法研究概况 | 第21-30页 |
| ·机器学习的基本问题 | 第21-24页 |
| ·机器学习的类型 | 第24-28页 |
| ·机器学习方法的应用概况 | 第28-29页 |
| ·机器学习的发展与展望 | 第29-30页 |
| 参考文献一 | 第30-34页 |
| 第二部分 理论探讨 | 第34-53页 |
| ·《伤寒论》分类研究 | 第34-44页 |
| ·《伤寒论》方分类方法 | 第34-43页 |
| ·《伤寒论》分类研究的意义 | 第43页 |
| ·《伤寒论》方分类新方法探索 | 第43-44页 |
| ·中医学量化方法研究 | 第44-53页 |
| ·量化的涵义 | 第44页 |
| ·中医理论体系量化问题探讨 | 第44-45页 |
| ·《伤寒论》中相关的量化表达模式 | 第45-48页 |
| ·中医药量化研究进展 | 第48-52页 |
| ·中医量化研究的方法探讨 | 第52-53页 |
| 第三部分 相关技术及其应用研究 | 第53-88页 |
| ·中医处方智能分析系统的研制 | 第53-72页 |
| ·近似推理理论 | 第53页 |
| ·中医处方智能分析系统 | 第53-71页 |
| ·CPIAS研制小结 | 第71-72页 |
| ·支持向量机方法及CMSVM机器学习系统 | 第72-88页 |
| ·支持向量机方法 | 第72-79页 |
| ·基于支持向量机方法的机器学习系统 | 第79-87页 |
| ·SVM小结 | 第87-88页 |
| 第四部分 软件应用与实验结果分析 | 第88-118页 |
| ·CPIAS在《伤寒论》方证分析中的应用 | 第88-109页 |
| ·《伤寒论》数据的采集及预处理 | 第88-91页 |
| ·《伤寒论》药物剂量的确定 | 第91-95页 |
| ·《伤寒论》方证信息的量化分析 | 第95-106页 |
| ·CPIAS应用小结 | 第106-109页 |
| ·CMSVM在《伤寒论》方分类识别中的应用 | 第109-118页 |
| ·SVM 推理预测模型的建立方法 | 第109-113页 |
| ·SVM 方法对《伤寒论》方按八法训练建模分类实验 | 第113-116页 |
| ·CMSVM应用小结 | 第116-118页 |
| 第五部分 理论总结与技术应用展望 | 第118-123页 |
| ·理论总结 | 第118-119页 |
| ·技术分析与应用前景 | 第119-121页 |
| ·技术特点评析 | 第119-120页 |
| ·技术应用前景展望 | 第120-121页 |
| ·研究中存在的问题 | 第121-122页 |
| ·结语 | 第122-123页 |
| 参考文献二 | 第123-127页 |
| 致谢 | 第127-129页 |
| 个人简历 | 第129-131页 |
| 附录 | 第131-144页 |
| 附录1：方剂文献解析操作手册 | 第131-133页 |
| 附录2：方剂库数据标引手册 | 第133-141页 |
| 附录3：图目录 | 第141-143页 |
| 附录4：表目录 | 第143-144页 |