面向中醫(yī)藥文獻(xiàn)的多分類-關(guān)聯(lián)規(guī)則算法研究.pdf

1、本論文的研究工作是結(jié)合國家科技部科技基礎(chǔ)條件平臺建設(shè)中的“醫(yī)藥衛(wèi)生科學(xué)數(shù)據(jù)管理與共享服務(wù)系統(tǒng)”，中國醫(yī)史文獻(xiàn)所承擔(dān)的一個子課題開展的。其目標(biāo)就是在數(shù)據(jù)挖掘的背景下，從系統(tǒng)、算法和應(yīng)用三個層次來討論面向中醫(yī)藥處方數(shù)據(jù)庫的關(guān)聯(lián)分類技術(shù)。 本文首先分析了在統(tǒng)計學(xué)、機(jī)器學(xué)習(xí)和模式識別等領(lǐng)域的分類算法及其關(guān)鍵技術(shù)，并對幾種典型的關(guān)聯(lián)分類算法作了說明。在以上分析的基礎(chǔ)上，從應(yīng)用的角度總結(jié)了面向中醫(yī)藥處方數(shù)據(jù)庫的數(shù)據(jù)預(yù)處理技術(shù)需求，通過數(shù)據(jù)清

2、理、數(shù)據(jù)規(guī)范化和數(shù)據(jù)概化技術(shù)解決了中醫(yī)藥處方數(shù)據(jù)庫中存在的噪聲、冗余、同藥異名、數(shù)據(jù)無序、分類數(shù)目多等問題。該工作結(jié)合了中醫(yī)藥領(lǐng)域?qū)＜业闹R，使得經(jīng)過預(yù)處理后的數(shù)據(jù)符合分類算法的要求。 論文還針對中醫(yī)藥處方數(shù)據(jù)庫的超高維特征，提出了基于特征規(guī)約思想的對特征進(jìn)行加權(quán)的多關(guān)聯(lián)分類算法。該算法通過計算頻度(IF，itemoccurrencefrequence)和IF*ICF(theinverseclassfrequency)，使得單項

3、目集中出現(xiàn)頻率雖高但對分類貢獻(xiàn)不大的項目不再出現(xiàn)在FP-tree節(jié)點(diǎn)中。對于中醫(yī)藥處方數(shù)據(jù)庫，其中存在大量類似“甘草”這樣用藥比較普遍的中藥，實驗證明采用上面的方法能大大減少FP-tree的節(jié)點(diǎn)數(shù)目，從而節(jié)省空間，并降低了遍歷生成的FP-tree的時間耗費(fèi)。由于CMAR算法中遍歷FP-tree的運(yùn)行時間約占分類關(guān)聯(lián)規(guī)則挖掘總時間耗費(fèi)的80％，從而提高了算法的時間效率。算法通過挖掘生成的FP-tree能夠挖掘出所有的頻繁規(guī)則，從而保證了算