舌诊是中医望诊的重要组成部分，在中医四诊客观化与现代化研究中相对发展地最成熟。近年来，中医舌象的自动分析在方法学上取得了可喜的进展，对一些重要舌象指标如舌色、苔色、苔厚、裂纹、湿度、舌苔腐腻等已经实现了自动定量分析，这给中医诊断提供了客观的依据，同时对舌象信息数据挖掘的研究奠定了基础。 中医在观察舌象时，往往是对多个舌象特征在人脑中进行处理、分析后得出结论，然而这种方法受主观性的影响，不同的中医可能得出不同的结论，重复性较差。研究舌象多特征同中医判断结论之间的关系是非常重要的。令人遗憾的是，到目前为止，基于信息处理技术的舌象多特征同中医证候之间的关系的研究报道非常鲜见，尚没有突破性进展。因此，本论文基于数据挖掘技术来初步探讨中医舌象多特征同中医判断结论之间的对应关系。 本论文初步基于舌象的多个特征进行关联分析，首先对原始舌诊数据进行了数据变换，数据集成基本的数据预处理。然后把经过数据预处理的中医舌象信息使用广义规则归纳法(GRI)进行关联规则挖掘，得到了中医舌象特征与证候之间的关联关系，这是基于舌象多特征对中医病症辅助诊断的首次尝试，对于提高诊断正确性和高效性，从而减少误诊起到一定的积极作用，初步实现对大量原始中医舌象信息进行智能分析获取有用知识。 另外，舌质、舌苔的颜色分析是舌诊的重要内容，根据已有数据挖掘出其中的分类规则是舌诊现代化的当务之急。已有文献中基于SVM(supportvectormachine)分类器的研究工作取得了一定的进展，但其推广性能，样本的识别速度仍有待提高。根据SVM对小样本有较好的学习能力和推广能力，结合中医舌象样本的特点，将多类SVM方法应用到中医舌质、舌苔识别中。本论文介绍了三种用于多分类的SVM算法，包括“1-a-1”及其改进算法、DAG-SVM算法，并对其进行了比较，其中“1-a－1”方法识别精度较高，样本识别时经过的分类器多，识别速度较慢，而DAG-SVM算法识别速度较快，识别精度较低。本论文实现了一种基于可分离性测度的DAG-SVM算法，并将其应用于中医舌象分析中，理论分析和实验结果均表明该算法应用于中医舌色、苔色分析的有效性。