中醫(yī)藥數(shù)據(jù)挖掘系統(tǒng)TCMiner設計、實現(xiàn)與核心技術研究.pdf

1、中華醫(yī)藥有著3000多年的積淀和長期的醫(yī)療診病歷史，是中國文化的重要組成部分。然而，由于中藥方劑為具體醫(yī)療經驗的人工匯總，且為歷史的繼承，雖然有廣博精深的中醫(yī)理論作為支持，但傳統(tǒng)中醫(yī)理論為診病方劑的人為總結和提煉，其整體性、辯證性、動態(tài)性等本質特征過于抽象和定性化，難于定量和具體的把握。數(shù)據(jù)挖掘旨在借助計算機強大的存儲和計算能力，通過對分析需求的確切定義和高效的算法設計實現(xiàn)大規(guī)模數(shù)據(jù)庫中有效的知識發(fā)現(xiàn)，為中醫(yī)處方的研究提供了新的途徑。四

2、川大學計算機學院和成都中醫(yī)藥大學自2003年起合作進行了3年中醫(yī)藥數(shù)據(jù)挖掘的研究并合作開發(fā)了中醫(yī)藥數(shù)據(jù)挖掘系統(tǒng)TCMiner 1.0。 本文的主要貢獻包括： 1）TCMiner 原型設計。設計中醫(yī)藥數(shù)據(jù)挖掘原型系統(tǒng)TCMiner并實現(xiàn)其第1版本TCMiner 1.0。首先，介紹中藥數(shù)據(jù)分析方法學與技術路線，其次，分析中醫(yī)藥方劑多維數(shù)據(jù)分析的核心需求，再次，講述TCMiner系統(tǒng)中各方面的設計問題，然后，勾勒最終TCMin

3、er需實現(xiàn)的系統(tǒng)功能和應當采取的體系結構，最后，描述高效算法的實現(xiàn)。 （2）TCMiner核心技術研究。提出TCMiner 1.0的核心技術：（a）基于基因表達式編程的數(shù)據(jù)挖掘，（b）基于關聯(lián)規(guī)則的配伍分析，（c）基于多維頻繁模式挖掘的主成分分析。 （3）基于基因表達式編程的數(shù)據(jù)挖掘一提出基于Scale的GEP。Scale支持一次創(chuàng)建多次使用，解決了動態(tài)生成釋放ET帶來的時間開銷，基于Scale的基因評估算法只需一次遍歷

4、Scale即可完成基因的評估，解決了傳統(tǒng)方法重復遍歷和重復計算的問題，大大提高了GEP表達和評估的性能。實驗表明：本文算法較傳統(tǒng)GEP在表達效率上平均快6～10倍，評估速度平均提高3～5倍。 （4）基于關聯(lián)規(guī)則的配伍分析。提出索引頻繁模式樹IFPT和基于IFPT高效關聯(lián)規(guī)則挖掘算法最近鄰優(yōu)先NNF。實驗表明：（a）NNF算法的速度較Linear算法快1個數(shù)量級，空間消耗節(jié)省1個數(shù)量級，（b）NNF算法較Traverse算法速度提

5、高1倍，（c）NNF算法較Apriori算法速度提高6～9倍，且具有更好的可伸縮性。（d）NNF在TCMiner1.0中能有效地進行藥物配伍分析。 （5）基于多維頻繁模式挖掘的主成分分析：提出高效挖掘多維頻繁模式的算法MDIT-Mining，挖掘多維頻繁模式而不生成數(shù)據(jù)立方。主要貢獻如下：（a）正式提出多維頻繁模式的概念和基于擴充Apriori性質的剪枝策略，（b）提出多維索引樹（MDIT）和基于MDIT的多維頻繁模式挖掘算法，