中医学是华夏民族几千年传承下来的重要成果。它通过“望闻问切”四诊合参的方法,对人的机体进行辩证论治。但是,传统的中医诊断方法存在较大程度主观性与模糊性且不易掌握,这种传统的中医诊断方法阻碍了中医发展,实有必要借助人工智能的技术,使辩证“客观化”。目前常用以下两种智能诊断方法:1.人工神经网络诊断方法:ANN具有较强的自学习和联想功能,对专家知识利用就好,但无法处理和描述模糊信息,不能借助已有的知识经验去解释疾病诊断的推理过程和推理结果。2.基于专家系统:该系统既可处理确定症状,又可处理不确定的模糊症状,提高了症状诊断系统对语言知识的处理能力。缺点是不能自己获取知识、自学习能力差、无法自动生成规则及调整隶属函数、知识库维护困难。ANFIS(自适应模糊神经网络)集学习、联想、识别、信息处理于一体,吸取上述两种诊断方法的优势,又弥补其的不足。目前自适应模糊神经网络在中医诊断睡眠障碍还未见过有关文献,本文采用ANFIS来研究中医睡眠障碍的诊治。采用ANFIS来解决中医睡眠障碍的诊治,需要解决以下关键问题:1.疾病症状的选择对诊断病证十分重要,选择的症状范围太大会给病例的选择带来困难,选择太小会漏掉那些对诊断有重要意义的症状。因此本文提出了基于互信息(它是指两个变量集合之间的相关性,如果两个变量相互独立,互信息为零;如果两个变量相互依赖,则互信息最大)的遗传算法来压缩临床症状,借鉴香农信息论的观点,利用症状和症候的互信息表征症状中的症候分型信息含量,用症状和症状的互信息表征证候之间的独立程度。通过构造综合互信息指标,利用遗传算法从原始症状集中选择一群特征子集使得特征子集中的症状和症候的互信息量最大,同时症状和症状的互信息量最小,实现临床症状的压缩。2.为了能够进行仿真计算,还需把压缩得到的主要症状做归一化处理。根据Mamdani和T-S模糊推理法、传统中医学理论和医生临床经验,构建基于自适应模糊神经网络的中医睡眠障碍辨证诊断模型,把四类症状归一化后的数据作为诊断模型的输入值,模型的输出端就是中医睡眠障碍对应的四类证候结果。研究表明:经过诊断模型训练的数据,通过调参后输出的结果显示,与原值差别很小。所以,ANFIS诊断中医睡眠障碍是可行的。且比起其它诊断模型功能更加强大。