基于滑动窗口含负项的高效用模式挖掘

针对传统高效用模式挖掘均未考虑项的效用值为负,以及对流数据处理的时效性问题,提出一种基于滑动窗口的高效用挖掘算法HUPN_SW。利用一种新定义的滑动窗口正负效用列表PNSWU-List,维护挖掘最近批次高效用模式集所需的所有信息,实现有效的逐批次挖掘,避免重复的数据库扫描,在不产生候选效用模式集的情况下,直接挖掘出高效用模式,使HUPN_SW有效适应于动态流数据。实验结果表明,HUPN_SW算法在运行时间和可扩展性方面有良好表现。

高明利教授治疗痛风性关节炎急性期的用药规律

目的:应用数据挖掘的科研方法分析高明利教授辨治痛风性关节炎急性期的药物组方原则及用药规律,为临床用药提供科学的依据。方法:收集2017年1月15日至2021年12月15日在辽宁中医药大学附属医院风湿科高明利教授门诊就诊的206例痛风性关节炎急性期患者的病例数据及首诊处方,对性别、年龄、四气五味、归经、药物功效、药物的频次进行分析;采用软件IBM SPSS Modeler 18.0、SPSS 26.0对数据进行复杂网络分析、关联规则分析及聚类分析。结果:对206例病例数据进行整理,男女比为40∶1,涉及药物135味,频次最高的药物为萆薢、泽泻、知母、薏苡仁;四气多为寒、平、温;五味多为苦、甘、辛,归经多为肾、胃、肝三经。药物类别清热药、利水渗湿药、祛风湿药应用居多。关联规则分析得出常用药对及药物组,高频药物聚类分析共聚5大类。结论:高明利教授治疗痛风性关节炎急性期以清热药、利水渗湿药及祛风湿药为基准,重用清热药与利水渗湿药,用以清热利湿、通络止痛,在性味归经上重用苦寒之品,多选择从肾经上加以干预,治疗多以清热利湿为中心,佐用健脾、活血、引经、补益、解表、散结、止痛等药物。

A Data Mining Algorithm Based on Distributed Decision-Tree in Grid Computing Environments

Recently, researches on distributed data mining by making use of grid are in trend. This paper introduces a data mining algorithm by means of distributed decision-tree,which has taken the advantage of conveniences and services supplied by the computing platform-grid,and can perform a data mining of distributed classification on grid.

古医籍疫病舌象临床用药规律探析

目的:系统整理和挖掘疫病的舌象表现、治疗思路及用药规律,旨在让疫病舌象理论在指导新型冠状病毒感染以及疫病的中医辨证论治中发挥更大作用。方法:采用文本挖掘和语义网络构建方法,分析总结历代涉及“疫病”的古医籍中疫病“舌象”的临床表现、病因病机、方药中的舌与方药等信息的直接关系。挖掘疫病舌-方药的临床用药经验及其规律。结果:涉及疫病“舌象”的古医籍有39部,其中晋代1部、唐代2部、宋代2部、元代1部、明代10部、清代25部。涉及方药12部,频度从高到低依次是承气汤(81次)、达原饮(37次),再为白虎汤、至宝丹、生脉散、六味地黄汤。药物依次为大黄(51次)、石膏(48次)、犀角(41次),再为连翘、生地黄、黄连、黄芩、甘草、柴胡、知母、银花、玄参、花粉、麦冬、葛根、桔梗、薄荷。与舌象关联的方药节点频度最高,达10次以上的是石膏、连翘,其次为玄参、知母、黄芩、黄连、大黄、生地黄、犀角、甘草,再为牡丹皮,节点度7次有花粉、银花、赤芍、麦冬、柴胡、牛蒡子和凉膈散、达原饮;节点度6次有贝母、石菖蒲、桔梗、天花粉和白虎汤。舌黄、或伴见芒刺、或舌苔黑、或舌燥关联度最高方剂为承气汤;舌苔白或舌粉腻苔关联度最高方剂为达原饮。结论:疫病舌象理论可为新型冠状病毒感染的迅速辨证提供指导,为选方用药加减提供参考。

基于数据挖掘技术分析明清时期通玄复言法治疗中风失语用药规律

目的:通过数据挖掘技术分析通玄复言法在明清方书中治疗中风失语的用药规律。方法:检索《中华医典》数据库收录的30部明清方书,双人独立在Excel软件中录入通玄复言法治疗中风失语的处方,筛选高频中药并通过SPSS Modeler 18.0和SPSS Statistics 22.0软件采用Apriori算法和R型聚类分析法对高频中药进行关联规则分析和聚类分析,总结通玄复言理论治疗中风失语的辨证组方规律。结果:明清方书中通玄复言法治疗中风失语的方剂共105首,纳入中药191味,总频次1090次,通玄复言法立方中高频(频次≥10次)中药有茯苓、半夏、当归、人参等34味,核心(频次≥20次)中药有19味。核心中药药性分析发现温性甘味、归心肺肾经药物最多,功效分类以化痰药、清热药、平肝熄风药、补气药为主。高频中药聚类分析得到人参与甘草、半夏与胆南星等10组药对组合,并挖掘出解语丹、地黄饮子、涤痰汤核心方剂;关联规则分析得到半夏与胆南星关联度较高;使用规则分析发现半夏和胆南星相配伍可提高方剂的临床有效性,具有临床配对关联意义。结论:通玄复言治疗中风失语立方规则为理气活血、开窍补虚、泻火祛痰,得到理气活血通玄方、补虚开窍通玄方、清热祛痰通玄方三个通玄复言方,为临床治疗中风失语提供参考。

明清时期慢性肾脏病医案辨证用药特点研究

目的:借助数据统计分析技术研究明清时期慢性肾脏病(CKD)证候类型、用药特点及组方规律,以期指导临床实践。方法:通过阅读明清时期各家医案,整理CKD相关医案构建数据库。使用Microsoft Excel 2019对组方用药、症状、证素进行频次统计分析;SPSS Modeler 14.0进行关联规则及复杂网络分析;SPSS Statistics 23.0进行系统聚类及主成分因子分析。结果:符合纳入标准医案175例,涉及233味中药、115个症状、7个病位证素和16个病性证素。药物使用频次≥平均频次药物62味,其中高频药物是茯苓、泽泻、甘草、熟地黄、牡丹皮、黄柏。药物关联规则将最小支持度与最小置信度分别设置为10%、70%,得到二阶关联组合24项;最小支持度与最小置信度分别设置为10%、90%,得到三阶关联组合23项。复杂网络生成的核心组方为泽泻、茯苓、熟地黄、山药、山茱萸、甘草、白术、陈皮、牡丹皮。系统聚类得到茯苓、泽泻、熟地黄、牡丹皮等14组药物聚类组合。主成分因子分析共提取出22个公因子。频次分析CKD病位证素以肾、脾为主;病性证素以阴虚、气虚、阳虚、湿热、水停为主。结论:CKD多为本虚标实之证,病机多为脾肾虚损,变生病理产物湿热、瘀血、水饮等,治疗以补益脾肾、填精固元为基本原则,针对兼证及病理产物随证搭配。

基于数据挖掘的明清医家失眠医案用药规律研究

目的:基于数据挖掘探讨明清医家治疗失眠医案的用药规律。方法:检索《中华医典》数据库中有关治疗失眠的明清医家医案,提取医案处方中用药信息,建立数据库,统计药物分类、性味和归经,对高频药物进行聚类和关联规则分析。结果:共纳入治疗失眠医案490例次,涉及方剂490首,药物326味。使用频次前5位的药物分别为茯神(177次)、茯苓(169次)、半夏(166次)、酸枣仁(163次)、甘草(150次);使用频次前5位的药物分类分别为安神类(699次)、化痰类(624次)、清热类(527次)、健脾类(522次)、补阴类(461次);药性以寒性(1916次)和温性(1594次)为主,药味以甘味(3062)、苦味(1905次)、辛味(1374次)为主。对使用频次>49次的24种高频药物进行聚类分析,得到5类核心药物聚类组;关联规则分析,得9条药对及药组关联规则。结论:明清医家治疗失眠用药以安神、化痰、清热、健脾、补阴等为主。临床选药应虚实兼顾,五脏并重。

基于大数据技术的电商用户画像可视化系统设计与实现

随着信息技术的发展,以及移动智能终端的普及,产生了海量的数据,推动了大数据时代的到来。运用大数据技术为各行业既带来了机遇,也带来了挑战,而电商行业亦是如此。如何利用大数据技术在海量数据中挖掘有价值数据,构建用户画像来提高企业的营销能力是各企业研究的重点。本文利用大数据技术构建用户画像系统,将数据进行预处理,根据实际企业业务架设大数据系统构建出用户画像模型,为实现精准营销和个性化推荐服务提供有效支撑。

《古今名医临证金鉴·心悸怔忡卷》治疗心悸病用药规律研究

目的总结古今名医治疗心悸病方药规律,为临床治疗心悸病提供参考。方法查找《古今名医临证金鉴·心悸怔忡卷》历代医家治疗心悸怔忡的有效经验方,采用Excel2013建立处方用药数据库,采用IBM SPSS Modeler 18.0、SPSS Statistics 23.0、Cytoscape3.7.2软件进行用药频次分析、药物属性分析、关联规则分析、聚类分析、复杂网络分析,研究治疗心悸病的用药规律。结果共纳入207首处方,涉及中药275味(含建曲、沉香曲、半夏曲、神曲、六曲5味曲制类中药),用频次≥27的中药共20味,主要有当归、炙甘草、麦冬、生地黄、炒酸枣仁等,药性以寒、温、平为主,药味以甘、苦、辛、咸为主,归经以五脏为主,功效类别频次前5类依次为补虚药、清热药、安神药、活血化瘀药、解表药,关联规则分析提示“生地黄-麦冬”“桂枝-炙甘草”“麦冬-五味子”“当归-生地黄”“当归-炙甘草”为常用药对。结论《古今名医临证金鉴·心悸怔忡卷》历代医家治疗心悸病用药以育阴清热、养血安神为主,可为临床遣方用药提供依据。

人工智能控制湍流进展:系统、算法、成就、数据分析方法

湍流控制涉及流体力学和控制理论,对航空航天、运载工具、风力发电等众多领域具有重要的科学意义和应用价值.由于湍流的复杂性,传统控制方法在湍流控制领域面临很多瓶颈,人工智能技术的发展为突破这些瓶颈提供了工具.本文简要综述了文献报道的有模型和无模型的人工智能控制湍流的进展,总结了研究中采用的典型的人工智能控制系统、算法、在不同湍流控制应用中取得的突出成果.作者所在团队在国际上首次尝试对人工智能控制系统产生的海量数据进行分析,从而挖掘出重要的信息乃至发现控制相似律.对面临的挑战和未来的展望进行了分析.

基于明清医案的当归亦当为解表药数据挖掘研究

目的通过数据挖掘对明清医案中外感疾病用药规律进行探讨分析,证明当归亦当为一味解表药使用。方法搜集查阅明清医案书籍,从中选取治疗外感疾病医案,得到处方466首,使用Microsoft Excel 2016对处方药物进行频数、四气五味归经分析,应用IBM SPSS Modeler 18.0、Gephi、SPSS Statistics 25.0进行关联规则、复杂网络以及聚类分析。结果共纳入466个处方,涉及中药316味,当归使用频次较高,2项关联得出当归与桂枝、白芍、甘草关系最为密切;复杂网络核心处方主要由桂枝汤、九味羌活汤加减组成;聚类分析共得到9组药物聚类组合。结论明清医案中外感疾病多将当归与辛温解表药配伍使用,共奏解表散寒之效,以发挥当归补血调血兼辛温解表的双重功用,为治疗外感疾病提供了临床新思路。

基于Web代理的空间数据挖掘框架及实现研究

论文在分析数据挖掘、空间数据挖掘、web代理的概念和技术特点的基础上,进一步给出了其基本框架,并利用相应工具对其进行了实现验证。

一种面向高维混合属性数据的异常挖掘算法

异常检测是数据挖掘领域研究的最基本的问题之一,它在欺诈甄别、气象预报、客户分类和入侵检测等方面有广泛的应用。针对网络入侵检测的需求提出了一种新的基于混合属性聚类的异常挖掘算法,并且依据异常点(outliers)是数据集中的稀有点这一本质,给出了一种新的数据相似性和异常度的定义。本文所提出算法具有线性时间复杂度,在KDDCUP99和WisconsinPrognosisBreastCancer数据集上的实验表明,算本法在提供了近似线性时间复杂度和很好的可扩展性的同时,能够较好的发现数据集中的异常点。

一种高效的离线数据流频繁模式挖掘算法

数据流频繁模式挖掘是当前数据挖掘领域中的研究热点之一,数据流连续性、无序性、无界性及实时性的特点为挖掘算法在时间及空间性能方面提出了更高的要求。数据流中模式频度的震荡现象,迫使现有算法对概要数据结构频繁维护,致使其时间、空间效率均受到较大影响。构造了具备较高空间性能的概要数据结构SP-tree,同时定义了震荡性因子χ以量化震荡信息,提出了一种高效的离线数据流频繁模式挖掘算法SPDS,有效降低了数据震荡对算法性能的影响;在处理新到数据集时,算法采取分而治之的分离映射策略,进一步提升了时间效率;同时在查询结果方面提高了部分模式的计数精度。

基于二进制信息粒的数据挖掘算法研究

本文利用二进制数来表示基于粗糙集思想的信息粒的概念,定义了基于上述信息粒的一些粒计算的基本定义。并且提出了两个典型的基于粒计算的数据挖掘算法,即基于二进制信息粒的属性重要度算法和决策树算法。最后实验和分析验证了研究的有效性。

基于并行遗传算法的关联规则挖掘

根据关联规则挖掘的要求与特点,结合并行遗传算法的思想,通过定义适应度函数,讨论了并行遗传算法在数据挖掘中的应用.结合一个实例,提出了基于并行遗传算法的关联规则的提取算法.

一种基于相似性度量的离散化方法

针对基于信息熵的离散化方法的不足,提出了一种应用相似性度量理论将数值型属性进行离散化的方法.数值型属性离散化后,每一个区间所获得的信息量用一个叫做代数-几何平均数距离公式的相似性度量公式来度量;区间的数目由训练数据集合的大小动态决定.将此方法和基于信息熵的离散化方法在一些数据集合上进行实验,并用朴素贝叶斯分类器对离散化后的数据集合进行分类,结果表明该方法有更好的分类正确率.

数据挖掘与虚拟数据库

给出了数据挖掘的概念及数据挖掘系统的分类。

数据库中的知识发现

通过对数据库中知识发现和数据挖掘基本概念的分析，总结了数据库中知识发现的实现过程。其具体步骤包括对知识发现应用领域及终端用户的目标理解、创建一个目标数据集、数据的整理和预处理、降维和转换、挖掘等。

小波在数据挖掘算法中的运用

由于小波理论具有良好的构造性和实际应用性,近年来被广泛地应用于诸如图像处理、计算机可视化、网络管理和数据挖掘等计算机科学研究领域。小波有很多良好的性质,如多分辨的分解结构、变换的时空线性复杂性等特性,从而可以为数据挖掘提供更加有效的算法。给出了小波在聚类、分类、分布式数据挖掘、相似性搜索、近似查询处理、可视化等算法中的运用,讨论了小波在数据挖掘研究中的影响,并简述了有潜力的未来研究方向。