關(guān)聯(lián)分析在中醫(yī)數(shù)據(jù)挖掘中的應(yīng)用研究.pdf

1、我國中醫(yī)學(xué)是人類知識寶庫的重要組成部分。中醫(yī)學(xué)在漫長的發(fā)展過程中，形成了自己獨(dú)特的“辯證論治”理念。然而，長期以來計(jì)算機(jī)對中醫(yī)信息分析處理基本上仍處于淺層的、經(jīng)驗(yàn)性的知識應(yīng)用，難以對中醫(yī)的診斷和治療過程給出合理的解釋。 數(shù)據(jù)挖掘指的是從大量數(shù)據(jù)中提取出有效的、新穎的、潛在有用的，以及最終可理解的模式的高級過程。關(guān)聯(lián)分析是數(shù)據(jù)挖掘研究的一個十分重要的方面。關(guān)聯(lián)規(guī)則挖掘側(cè)重于確定數(shù)據(jù)中不同領(lǐng)域之間的關(guān)系，找出滿足給定條件下的多個域間

2、的依賴關(guān)系。使用關(guān)聯(lián)規(guī)則挖掘方法，分析中醫(yī)診療數(shù)據(jù)，可以挖掘出中醫(yī)學(xué)在診斷和治療中的潛在知識。 本論文基于北京市科技計(jì)劃項(xiàng)目《中風(fēng)病個體診療規(guī)律及綜合治療方案的研究》，以中風(fēng)病診療為背景，借助課題前期開發(fā)的管理信息系統(tǒng)的數(shù)據(jù)，挖掘中醫(yī)對中風(fēng)病的診斷和治療的規(guī)律、方法等知識，為建立中醫(yī)上可行的演繹知識體系提供支持。 本文的工作主要有以下幾點(diǎn)： (1) 分析課題背景，確定研究目標(biāo)，提出4個需解決的主要問題。

3、(2) 在對數(shù)據(jù)挖掘進(jìn)行簡要綜述的基礎(chǔ)上，重點(diǎn)研究了關(guān)聯(lián)挖掘方法。 介紹了關(guān)聯(lián)挖掘中基于Apriori算法和FP-growth算法的頻繁項(xiàng)集挖掘過程，同時(shí)針對中醫(yī)診療知識發(fā)現(xiàn)這一復(fù)雜特殊的多層多維數(shù)值類型的關(guān)聯(lián)挖掘問題，分別介紹了多層關(guān)聯(lián)規(guī)則、多維關(guān)聯(lián)規(guī)則、數(shù)量關(guān)聯(lián)規(guī)則的具體挖掘方法。 (3) 根據(jù)中醫(yī)診療數(shù)據(jù)的特征，提出了一整套數(shù)據(jù)預(yù)處理方法，結(jié)合數(shù)據(jù)清理、集成、變換和歸約等技術(shù)對中醫(yī)原始數(shù)據(jù)進(jìn)行了規(guī)范化處理。

4、 (4) 在研究過程中，成功地完成了從數(shù)據(jù)預(yù)處理(僅數(shù)值型數(shù)據(jù)離散化部分)到關(guān)聯(lián)挖掘(基于Apriori)以及規(guī)則顯示整個流程的MATLAB程序。同時(shí)，針對頻繁項(xiàng)集過多的問題，提出在FP-growth基礎(chǔ)上進(jìn)行改進(jìn)的關(guān)鍵項(xiàng)抽取算法KEFP-growth，忽略了在分析時(shí)不關(guān)心的頻繁項(xiàng)集，并使用VC++語言進(jìn)行了算法實(shí)現(xiàn)，達(dá)到了較好的挖掘效率。關(guān)聯(lián)挖掘?qū)嶒?yàn)結(jié)果良好，得到了中醫(yī)專家滿意的關(guān)聯(lián)規(guī)則。本文使用關(guān)聯(lián)分析方法成功地完成了中醫(yī)中風(fēng)病證候