【正文】 中醫(yī)醫(yī)案分析系統(tǒng)的體系結(jié) 構(gòu)分為兩個部分，如圖 38 所示。 該系統(tǒng)具有如下主要用途 :①依據(jù)數(shù)據(jù)挖掘技術(shù)中數(shù)據(jù)預(yù)處理的要求對中醫(yī)醫(yī)案進(jìn)行錄入 。 3, 5 在關(guān)聯(lián)圖中不再指向其它項，所以 {1, 2, 3}和 {1, 2, 5}都不能再擴展，算法終止。如果12i i ik uBV BV BV BV? ? ???? ?中“ 1”的數(shù)目不小于最小支持度，那么 ? ?12,ki i i??? 是頻繁(k+1)項目集。對于關(guān)聯(lián)圖來說，如果()ijBV BV i j??中“ 1”的數(shù)目不小于最小支持?jǐn)?shù)，則構(gòu)造一條從項目 i 到項目 J 的有向邊，而且項目 {i, j}是一個頻繁 2 一項集，給出數(shù)據(jù)庫的關(guān)聯(lián)圖如圖 27 所示，且頻繁2項集為 ? ? ? ? ? ? ? ? ? ? ? ?? ?2 1 , 2 1 , 3 1 , 5 2 , 3 2 , 4 2 , 5L ? 。如果一個項目在第 i 個事物中出現(xiàn)， 則該項目的比特向量的第 i 個比特置 1，否則就置 0,與項目 i 相關(guān) 的比特向量表示為 iBV ， iBV 中“ 1”的數(shù)目就是包含項目 i 的事務(wù)數(shù)。模式增長通過后綴模式與由條件 FP樹產(chǎn)生的頻繁模式連接 實現(xiàn)。為方便樹遍歷，創(chuàng)建一個項頭表，使得每個項通過一個節(jié)點鏈指向它在樹中的出現(xiàn)。 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 30 ②構(gòu)造 FP樹，首先，創(chuàng)建樹的根節(jié)點，用“ null”標(biāo)記。 node_ link 指向 FPtree。 FPtree 的定義如下： ①它有一個標(biāo)記為“ null”的根節(jié)點，它 的子節(jié)點為一個項前綴子樹 (item prefix subtree)的集合，還有一個頻繁項 (frequent item)組成的頭表 (header table)。再一個是它可能需要重復(fù)地掃描數(shù)據(jù)庫，通過模式匹配檢查一個很大的候選集合，然而，實際上事務(wù)數(shù)據(jù)庫是非常龐大的，所以每次迭代時產(chǎn)生候選項目集以統(tǒng)計其支持?jǐn)?shù)是非常耗時的，應(yīng)該盡量減少掃描數(shù)據(jù)庫的次數(shù)。然而，它有一些固有的缺陷并非是微不足道北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 29 的。該方法具有分布、并行的思想，同樣可以減 輕 CPU 和工/0 負(fù)擔(dān)，提高算法性能和可擴展性。 Savaserve 等人設(shè)計了一個基于劃分 (partition)的算法，該算法只需要兩次數(shù)據(jù)庫掃描，以挖掘頻繁項集 (如圖 26)。因此若一個候選 k項集中任一子集不屬于1kL? ，那么該候選 k項集就不可能成為一個頻繁 k項集，因而也就可以將其從 kC 中刪去。由于數(shù)據(jù)庫規(guī)模的急劇膨脹，人們認(rèn)為取樣數(shù)據(jù)庫使用其中一部分的數(shù)據(jù)發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的思想是提高算法性能和擴展性的一個好的方法。另外，當(dāng)模式太長時產(chǎn)生的候選項目集也多得讓人無法接受。該算法能夠比較有效地產(chǎn)生關(guān)聯(lián)規(guī)則，但也存在著以下缺陷 :①算法產(chǎn)生太多冗余的規(guī) 則。雖然所獲得 4C 為 {{I1， I2， I3,I5}}。 ②刪除步驟。利用1Lk? 來獲得 Lk 主要包含兩個步驟，即連接和刪除操作。通過事務(wù)中的其它 項目來擴展這些頻繁集，從而得到新的候選集，這些候選集被加到掃描的候選集中，或者增加其相應(yīng)的計數(shù)。②由頻繁項目集產(chǎn)生關(guān)聯(lián)規(guī)則。 在單維的關(guān)聯(lián)規(guī)則中，我們只涉及到數(shù)據(jù)的一個維，如用戶購買的物品；而在多維的關(guān)聯(lián)規(guī)則中，要處理的數(shù)據(jù)將會涉及多個維。 基于規(guī)則中數(shù)據(jù)的抽象層次，可以分為單層關(guān)聯(lián)規(guī)則和多層關(guān)聯(lián)規(guī)則?？梢钥吹贸鰜恚?A 區(qū)可能污染比較嚴(yán)重，環(huán)境比較差，導(dǎo)致工作在該區(qū)的人健康狀況不好，索賠率也相對比較高。通過分析這些數(shù)據(jù)，可以得到類似以下這樣的關(guān)聯(lián)規(guī)則 :年齡在 40 歲以上，區(qū)的投保人當(dāng)中歲以上是物品甲，有 45%的曾經(jīng)向保險公司索賠過。比如人壽保險，一份保 單就是一個事務(wù)。例如超級市場利用收款機收集存儲了大量的售貨數(shù)據(jù)，這些數(shù)據(jù)是一條條的購買事務(wù)記錄，每條記錄存貯了事務(wù)處理時間，顧客購買的物品，物品的數(shù)量及金額等。相應(yīng)的，當(dāng)一條關(guān)聯(lián)規(guī)則的興趣度大于 1 說明對這條規(guī)則越感興趣 ；一 規(guī)則的興趣度越小于 1 說明對這條規(guī)則的反面規(guī)則越感興趣 。這樣整個關(guān)聯(lián)規(guī)則的評價體系就可以統(tǒng)一在概率論的范疇內(nèi)。是一強關(guān)聯(lián)規(guī)則，因為其支持度為 40%，置信度為 2020/3000 100% =66%，滿足最小支持?jǐn)?shù)和最小置信度的要求，然而以上規(guī)則是誤導(dǎo)，因為總的吃早餐的學(xué)生占 75%，比 66%還要大，為了修剪一些無趣的規(guī)則，即避免生成錯覺的關(guān)聯(lián)規(guī)則，下面定義了興趣度 這個度量值。 興趣度 (Interest measure) 在數(shù)據(jù)挖掘中，并不是所有的強關(guān)聯(lián)規(guī)則都是足夠的有趣而值得向用戶提供。作用度描述了項集 A 的出現(xiàn)對項集 B 的出現(xiàn)有多大的影響，作用度越大，說明物品集 B 受物品集 A 的影響越大。 期望置信度 (Expected Confidence) 期望置信度 e 為 D 中包含 B 的事務(wù)百分比，即 P (B )。 置信度 (Confidence) 置信度 C 為 D 中包含 A 的事務(wù)中同時也包含 B 的百分比，它是概率 ( / )PB A ，即? ?c o n f id e n c e A B P ( B /A )??。 描述關(guān)聯(lián)規(guī)則屬性常用的參數(shù)有 : 支持度 (Support) 支持度 S 是 D 中包含 AB? 的事務(wù)百分比，它是概率 ()PA B? ，即 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 21 ? ? ? ?s u p p o r t A B P A B ? ? ?，它描述了 A 和 B 這兩個物品集的并集在所有的事務(wù)中出現(xiàn)的概率。滿足最小支持度 minsup 的項集成為頻繁項集，同時滿足最小支持度 minsup 和最小可信度minconf 的規(guī)則成為強關(guān)聯(lián)規(guī)則。 關(guān)聯(lián)規(guī)則的實用性由支持度衡量。相同的事務(wù)的集合構(gòu)成事務(wù)集 D。 1993 年 Agrawal ，并于1994 年提出了挖掘關(guān)聯(lián)規(guī)則的經(jīng)典 Apriori 算法。關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項之間潛在關(guān)系的規(guī)則。 數(shù)據(jù)挖掘是從現(xiàn)實世界中存在的一些具體的數(shù)據(jù)中提取知識，這些數(shù)據(jù)在數(shù)據(jù)挖掘出現(xiàn)之前早己存在；而機器學(xué)習(xí)所使用的數(shù)據(jù)是專門為機器學(xué)習(xí)而特別準(zhǔn)備的數(shù)據(jù)，這些數(shù)據(jù)在現(xiàn)實世界中也許毫無意義。 概括說來，數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析 (如查詢、報表、聯(lián)機分析處理 )的本質(zhì)區(qū)別是數(shù)據(jù)挖掘是在沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識。 OLAP 過程本質(zhì)上是一個演繹推理的過程。 在中醫(yī)藥其他方面的應(yīng)用 數(shù)據(jù)挖掘技術(shù)不但可以應(yīng)用到中醫(yī)藥研究中的上述方面，而且在研究中醫(yī)病證與復(fù)方組方的關(guān)系、中醫(yī)癥候與現(xiàn)代醫(yī)學(xué)臨床表現(xiàn)之間關(guān)聯(lián)的關(guān)系以及中醫(yī)藥信息數(shù)據(jù)倉庫的開發(fā)研究等方面都可以得到廣泛應(yīng)用。 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 18 在中醫(yī)醫(yī)案方面的應(yīng)用 中醫(yī)醫(yī)案在中醫(yī)藥科學(xué)中扮演著非常重要的角色，大量的醫(yī)案散見于文獻(xiàn)刊物中，散見于名老中醫(yī)的案頭，他們的學(xué)術(shù)經(jīng)驗是中醫(yī)藥事業(yè)的一筆巨大財富。中藥化學(xué)成分一般較人工合成的成分復(fù)雜，具有相同藥效的成分往往具有相似的活性基團和比較穩(wěn)定的活性構(gòu)象。用決策樹和關(guān)聯(lián)規(guī)則分析可以自動對藥物進(jìn)行功效分類與其藥性特征之間的關(guān)聯(lián)模式或規(guī)則研究 。中醫(yī)對于中藥藥性的認(rèn)識是一個逐漸積累和完善的過程，至今還存在某些藥物的藥性不完整的情況，如華山參的藥性特征為只有性味而無歸經(jīng)；對于中藥的功效歸類也因?qū)＜覍λ幬镎J(rèn)識程度的不同，而導(dǎo)致同一藥物分屬于不同類別，甚至功效分類名稱也不統(tǒng)一的情況。對于一個專家系統(tǒng)來說，實際診斷成功與否的關(guān)鍵取決于它的知識庫中知識的完備程度，而僅憑中醫(yī)專家的口授心傳和系統(tǒng)設(shè)計者的領(lǐng)悟，往往難以滿足專家系統(tǒng)知識庫的要求，而且相對簡單的推理往往也難以體現(xiàn)出人最活躍的主觀能動的部分，知識的獲取途徑和表示方法因此成為限制專北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 17 家系統(tǒng)發(fā)展的瓶頸。因此，對以古語言和純文本為主的中醫(yī)藥理論和實踐進(jìn)行結(jié)構(gòu)化解析是中醫(yī)藥信息化研究的重要內(nèi)容，其中的某些內(nèi)容可以通過對文本的數(shù)據(jù)挖掘技術(shù)來實現(xiàn)。數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥研究領(lǐng)域中的應(yīng)用剛剛起步，但己經(jīng)表現(xiàn)出了很好的勢頭，目前數(shù)據(jù)挖掘技術(shù)在此領(lǐng)域中的應(yīng)用主要表現(xiàn)在以下幾個方面。 演變分析 演變分析（ Evolution Analysis）是描述事件或?qū)ο蟮男袨榛跁r間或共他序列變化的規(guī)律或趨勢，并對其建模 .演變分析主要包括序列或周期校式匹配、機遇類似性的數(shù)北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 16 據(jù)分析和時間序列數(shù)掘分析。 孤立點分析 孤立點 (Outlier)是指與數(shù)據(jù)的一般行為或模型不一致的數(shù)據(jù)對象。 預(yù)測 (Prediction)是利用訓(xùn)練數(shù)據(jù)建立模型，該模型可以獲得新輸入數(shù)據(jù)的未來變化的趨勢或評估數(shù)據(jù)的屬性值的分布范圍。分類包括模型的創(chuàng)建和模型的使用兩個過程。數(shù)據(jù)特征化是對口標(biāo)數(shù)據(jù)的總體情況的描述，提取數(shù)掘的一般特征或特性的匯總。數(shù)據(jù)挖掘功能可發(fā)現(xiàn)多種不同的知識模式，根據(jù)發(fā)現(xiàn)知識的不同可以從以下 6 個方面描述數(shù)據(jù)挖掘的功能。數(shù)據(jù)挖掘是利用區(qū)別于傳統(tǒng)的統(tǒng)計方法從大量數(shù)據(jù)集中獲取深層次的知識的過程。 圖形用戶界面 圖形用戶界面在用戶和數(shù)據(jù)挖掘系統(tǒng)之間通信，允許用戶與系統(tǒng)交互，指定數(shù)據(jù)挖掘查詢或任務(wù)，提供信息、幫助搜索聚集，根據(jù)數(shù)據(jù)挖掘的中間結(jié)果進(jìn)行探索式數(shù)據(jù)挖掘。 數(shù)據(jù)挖掘引擎 數(shù)據(jù)挖掘引擎是數(shù)據(jù)挖掘的最重要的基本部分，由一組功能模塊組成，用于特征化、關(guān)聯(lián)、分類、聚類分析以及演變和偏差分析。 數(shù)據(jù)庫、數(shù)據(jù)倉庫和其它信息庫 數(shù)據(jù)庫、數(shù)據(jù)倉庫和其它信息庫是 進(jìn)行數(shù)據(jù)挖掘的數(shù)據(jù)源，可以在它們的數(shù)據(jù)上進(jìn)行數(shù)據(jù)清理和集成。信息的需求帶動了對信息挖掘分析工具的需求，數(shù)據(jù)挖掘 (Data Mining, DM)技術(shù)應(yīng)運而生。 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 11 第二章 數(shù)據(jù)挖掘技術(shù)研究 數(shù)據(jù)挖掘技術(shù)及其在中醫(yī)藥研究中的應(yīng)用 數(shù)據(jù)挖掘簡介 隨著 Inter 的不斷發(fā)展，信息化時代的到來，像超市、保險公司、醫(yī)療機構(gòu)等多個行業(yè)積累的數(shù)據(jù)正在以指數(shù)式增長。 該系統(tǒng)利用了數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則技術(shù)、本體的構(gòu)建方法和本體理論的知識表達(dá)與推理技術(shù) 。趙連朋利用關(guān)聯(lián)規(guī)則技術(shù)發(fā)現(xiàn)病人的處方和藥品之間的關(guān)聯(lián)，以監(jiān)督醫(yī)師合理用藥 。 由于關(guān)聯(lián)規(guī)則技術(shù)易 于理解并且實際應(yīng)用效果非常理想，所以在關(guān) 聯(lián)規(guī)則提出后的幾年中學(xué)者和研究人員對它做了大量的研究工作，現(xiàn)在對關(guān)聯(lián)規(guī)則的研究主要集中在以下兩個方面 :(1)優(yōu)化原來的算法或提出更高性能的算法 .這其中包括 Agrawal 本人 對 Apriod 算法提出的改進(jìn)算法 AprioriAl 和ApriodTid,其他研究人利用并行挖掘 技術(shù)、散列技術(shù)、分區(qū)技術(shù)對 Apriod 算法提出的優(yōu)化算法 .(2)把關(guān)聯(lián)規(guī)則的概念應(yīng)用到其他的領(lǐng)域 。 隨若數(shù)據(jù)量的不斷增長，傳統(tǒng)的統(tǒng)計、查詢方法都是對數(shù)據(jù)進(jìn)行簡單的處理，無法直接提取出這些潛在的有價值的信息。 國外的Thusitha 等人認(rèn)為高血壓病人要想達(dá) 到降血壓的目的，必須堅持接受藥物治療。 (2)對成年人高血壓知曉率和治療控制狀況的統(tǒng)計 。為了有效防治高血壓，領(lǐng)域?qū)W者對高血壓做了多方面研究，主要集中在幾個方面 :(1)對高血壓患病率的統(tǒng) 計?？偨Y(jié)其經(jīng)驗，繼承其學(xué)術(shù)，既是今天振 興中醫(yī)藥事業(yè)的需要，也是歷史賦予我們的重任。 隨看計算機網(wǎng)絡(luò)技術(shù)的成熟，我國醫(yī)療衛(wèi)生信息化建設(shè)不斷深入，全國的醫(yī)療機構(gòu)也都開始建設(shè)自己的醫(yī)療信息化系統(tǒng)，其中電子處方作為推行醫(yī)療信息化建設(shè)的必然產(chǎn)物和醫(yī)療信息化建設(shè)的重要組成部 分將得到廣泛的運用 。中國居民 2020年營養(yǎng)與健康狀況調(diào)查顯示， 18歲以上居民高血壓患病率為 %，全國患病人數(shù)大約 億多 。 drug laws。希望能對后續(xù)的從事相關(guān)研究的人員提供有益的借鑒。 在 Windows XP 平臺上 Visual BAS 工 C6. 0 的環(huán)境下，采用 Apriori 算法，開發(fā)了基于數(shù)據(jù)挖掘的中醫(yī)高血壓醫(yī)案分析系統(tǒng)。 利用數(shù)據(jù)挖掘正好能夠解決中醫(yī)藥特色研究中所遇到的關(guān)鍵問題和技術(shù)難題。北京科技大 學(xué)本科生畢業(yè)設(shè)計（論文） 1 目錄 目錄 ................................................................................................................................ 1 摘 要 ....................................................................................................................... 3 Abstract ........................................................................................................................... 4 第一章 緒論 ............................................................................................................... 7 課題提出的背景及研究意義 .............................................................