中医诊断过程中由于信息的获取途径为医生和患者的感觉器官，其诊疗过程主要建立在医生的经验基础上，因此不可避免地受到主观的影响，干扰了诊断信息的客观性。中医辨证在客观化、定量化、标准化等方面的不足，限制了它的应用和发展。因此，运用信息科学的理论和方法，进行中医诊断信息获取与处理的理论与技术研究，具有非常重要的意义。 多元统计方法及其他智能方法在中医证候研究领域的应用为中医证候的研究引入了规范和量化的数学描述，也能对证候规律作出一定的解释。 本文以心系疾病为切入点，探讨心系疾病症状、证候辩证分析的方法。 首先通过聚类分析及隐结构分析无监督学习方法对症状进行处理，同中医理论进行对照分析，两种方法都得到了初步结果，隐结构分析在部分症状的分类上比聚类分析更合理。 然后利用回归分析、BP神经网络及SVM支持向量机这些有监督学习方法对心系疾病的样本数据训练，构建了模型，用于预测证候的类别，并通过测试样本进行检验，比较了不同方法的正确率和适用性。 SVM平均的正确率最高，达到了81.08％，其次是回归分析77.30％，BP神经网络73.72％。SVM支持向量机在证候的分类处理方面有一定的优势。