基于KDD技术的中医药信息系统

论文摘要

随着KDD技术的不断发展和成熟，数据挖掘作为KDD技术的核心，使得对中药信息进行挖掘研究、找出其隐藏的有价值的信息成为可能。本文以贵州大学计算机科学与技术学院开发的毕节中药信息网为平台。首先对中药方剂数据进行信息化处理，针对方剂数据的不确定性、噪声大等特点，采用了方剂预处理过程，以正交分离方法将方剂中的每味中药单独存放，借助中药词典处理方剂中的中药异名现象，对中药剂量的不一致进行统一，对方剂数据的信息化处理进行了探索。其次利用数据挖掘中的频繁集、关联规则和Apriori算法，以感冒类方数据为例，开展中药的知识发现研究，证实和发掘中药中隐含的有价值的信息，揭示中药配伍规律，为中药的新药开发提供参考依据。最后介绍了聚类分析的概念，对层次聚类方法进行了研究，将Jaccard评价系数应用到感冒类方数据中，对在感冒类方中出现中药的功效和性味方面作了聚类分析，得出在感冒类方中的药物在性味和功效上的分类信息，可为中药组方时替代药的选取、新方的设计提供帮助。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 研究背景
• 1.2 中药信息系统发展概况
• 1.3 知识发现与数据挖掘
• 1.3.1 KDD的产生及发展状况
• 1.3.2 KDD处理过程
• 1.3.3 数据挖掘的目标和任务
• 1.4 数据挖掘在中药挖掘中的作用及意义
• 1.5 本文的组织结构
• 第二章 数据挖掘的准备工作
• 2.1 研究对象
• 2.2 数据准备
• 2.2.1 数据的选择
• 2.2.2 数据的预处理
• 2.3 数据挖掘
• 第三章 关联规则及其在中药方剂数据中的应用
• 3.1 频繁集与关联规则介绍
• 3.2 关联规则挖掘的分类
• 3.3 关联规则用于方剂数据中的合理性和有效性
• 3.4 Apriori算法介绍
• 3.5 使用Apriori算法挖掘实验数据中的关联规则
• 3.6 结果分析
• 第四章 聚类分析方法及其对中药的聚类研究
• 4.1 聚类分析的基本概念
• 4.1.1 基本概念
• 4.1.2 数据挖掘对聚类的要求
• 4.1.3 主要聚类分析方法简介
• 4.2 层次聚类方法研究及其应用
• 4.3 聚类方法在中药方剂数据库中的应用
• 4.4 结果分析
• 第五章 中药信息系统介绍
• 5.1 系统概况
• 5.2 系统功能简介
• 5.3 系统的用途与期待的改善
• 第六章 研究总结与体会
• 致谢
• 参考文献
• 附录