面向中醫(yī)藥文獻的多分類-關聯(lián)規(guī)則算法研究.pdf

1、本論文的研究工作是結合國家科技部科技基礎條件平臺建設中的“醫(yī)藥衛(wèi)生科學數(shù)據(jù)管理與共享服務系統(tǒng)”，中國醫(yī)史文獻所承擔的一個子課題開展的。其目標就是在數(shù)據(jù)挖掘的背景下，從系統(tǒng)、算法和應用三個層次來討論面向中醫(yī)藥處方數(shù)據(jù)庫的關聯(lián)分類技術。 本文首先分析了在統(tǒng)計學、機器學習和模式識別等領域的分類算法及其關鍵技術，并對幾種典型的關聯(lián)分類算法作了說明。在以上分析的基礎上，從應用的角度總結了面向中醫(yī)藥處方數(shù)據(jù)庫的數(shù)據(jù)預處理技術需求，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。該工作結合了中醫(yī)藥領域專家的知識，使得經過預處理后的數(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)約思想的對特征進行加權的多關聯(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不大的項目不再出現(xiàn)在FP-tree節(jié)點中。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。由于CMAR算法中遍歷FP-tree的運行時間約占分類關聯(lián)規(guī)則挖掘總時間耗費的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