基于位图矩阵和双支持度的中药配伍挖掘技术

用数据挖掘技术研究了中药方剂配伍的规律.引入了关注频繁项概念,提出并实现了基于位图矩阵和双支持度技术的BM-DB-Apriori算法来寻找药对药组.位图矩阵技术使得在找频繁k-项集集时无需对数据库扫描,双技术度确保频繁项集中不包含那些因太频繁而失去意义的项集.以脾胃方剂库为对象分别使用BM-DB-Apriori和Apriori两种算法进行实验.实验表明,BM-DB-Apriori算法能够更快速、更准确地挖掘出药对和药组.

双向关联规则挖掘及其相关性分析

分析了关联规则挖掘存在的3个问题:①不能有效地发现低支持度高置信度的有趣规则;②不能确定“相互依赖”的规则,如中药方剂中的药对药组;③找到的规则并不一定是有趣的,甚至是错误的。鉴于此,提出了双向关联规则挖掘,并对其进行了相关性分析。最后,将新方法用于中药方剂配伍规律的研究中,发现了大量具有重要意义的药对药组,证明新方法能很好地解决上述问题。

基于依赖模式集挖掘组方药物多维配伍规律

针对多维组方药物之间配伍规律挖掘问题,提出了依赖性判定函数和多维组方药物依赖性判定算法MM-DE(Multidimensional Medicine Dependence Evaluation),作为组方药物依赖性判定的依据,利用差异函数确定药物分布的离散度,提出了基于可调差异函数求解缺剂量药物用量的新方法。实验证明了新方法在挖掘组方药物间依赖关系上准确性较高,达到80%以上。