關(guān)聯(lián)規(guī)則挖掘方法及其在冠心病中醫(yī)診療中的應(yīng)用研究.pdf

1、冠心病是嚴(yán)重危害人類健康的常見病和多發(fā)病,已成為導(dǎo)致人類死亡的重大疾病之一。研究如何快速有效地從海量冠心病中醫(yī)臨床診療數(shù)據(jù)中挖掘蘊(yùn)含其中的關(guān)聯(lián)規(guī)則,并將得到的關(guān)聯(lián)規(guī)則合理應(yīng)用到冠心病的中醫(yī)臨床診療中,具有十分重要的理論和實(shí)際意義。
　　 根據(jù)冠心病中醫(yī)診療數(shù)據(jù)的特點(diǎn)和挖掘需求,本文將向量法引入關(guān)聯(lián)規(guī)則挖掘中,從脈象、舌質(zhì)、發(fā)病誘因等18個(gè)方面與26種冠心病中醫(yī)證型之間挖掘出中醫(yī)辨證規(guī)律,得到了一系列的冠心病辨證規(guī)則,為冠心病的確

2、診與預(yù)防提供了重要的決策依據(jù)。
　　 冠心病診療數(shù)據(jù)往往是多值屬性、多類標(biāo)數(shù)據(jù),傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法通常沒有較好地結(jié)合領(lǐng)域知識(shí),直接挖掘其中存在的規(guī)則,效率較低。為此,本文結(jié)合冠心病中醫(yī)診療數(shù)據(jù)的特點(diǎn),對(duì)決策屬性和非決策屬性進(jìn)行分塊編碼,提出一種前后件約束的關(guān)聯(lián)規(guī)則挖掘算法,可有效挖掘出中醫(yī)治療冠心病的用藥規(guī)律,大大提高了算法的運(yùn)行效率。此算法對(duì)于尋找決策屬性與非決策屬性之間的關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘問題具有一定的理論和實(shí)際價(jià)值。<

3、br>　　 傳統(tǒng)關(guān)聯(lián)規(guī)則通常采用統(tǒng)一支持度閾值挖掘頻繁項(xiàng)目集,導(dǎo)致支持度較低的長(zhǎng)項(xiàng)目集無法被挖掘。若降低支持度閾值將產(chǎn)生大量冗余短項(xiàng)目集,同時(shí)會(huì)導(dǎo)致算法效率大大降低。為此,本文提出了一種前后件和長(zhǎng)度遞減支持度約束的關(guān)聯(lián)規(guī)則挖掘方法,能夠有效地挖掘更多的長(zhǎng)模式,減少無用的短模式,使得生成的規(guī)則更具有理論和實(shí)際價(jià)值,能夠有效輔助冠心病診斷和治療。
　　 目前許多學(xué)者對(duì)生成規(guī)則前件與后件相關(guān)性進(jìn)行了大量研究并提出若干相關(guān)性度量方式,

4、但所提出度量方式絕大多數(shù)是以事物發(fā)展過程中的相關(guān)性不變?yōu)榍疤岬?。然而這種全局相關(guān)性的研究具有很大的偶然性,如果項(xiàng)集之間的相關(guān)性發(fā)生變化的話,就會(huì)出現(xiàn)當(dāng)前挖掘出的關(guān)聯(lián)規(guī)則的支持度和置信度較高,并且是正相關(guān)的,但隨著時(shí)間的推移或某些特殊事件的發(fā)生將會(huì)出現(xiàn)當(dāng)前規(guī)則的支持度和置信度變化,甚至出現(xiàn)不相關(guān)。針對(duì)關(guān)聯(lián)規(guī)則在全局相關(guān)性方面的不足,本文提出了一種分段式非線性回歸和反向驗(yàn)證的方法,并對(duì)關(guān)聯(lián)規(guī)則的相關(guān)性進(jìn)行驗(yàn)證。該方法對(duì)關(guān)聯(lián)規(guī)則相關(guān)性的分析更

5、加準(zhǔn)確,產(chǎn)生規(guī)則的數(shù)量大大減少,能夠挖掘出更有意義的關(guān)聯(lián)規(guī)則。通過在冠心病中醫(yī)診療數(shù)據(jù)上的實(shí)驗(yàn),表明此方法更具有實(shí)際意義。
　　 關(guān)聯(lián)規(guī)則的挖掘算法大多是基于支持度.置信度框架理論的,如果考慮到數(shù)據(jù)的時(shí)間因素以及規(guī)則前件與后件的相關(guān)性問題,這種方式并不是很有效。本文提出了一種新的關(guān)聯(lián)規(guī)則框架:時(shí)效支持度.時(shí)效匹配度。采用新的匹配度方法取代傳統(tǒng)的置信度,可以有效解決規(guī)則前件與后件的相關(guān)性問題,以支持度-匹配度框架為基礎(chǔ)加入時(shí)間熵因