论文部分内容阅读
中医作为我国四大国粹之一,在数千年的发展过程中,形成了独特的辨证论治理论与遣药组方规律,为人类健康做出了重要贡献,是人类的宝贵财富。随着中医药现代化进程的推进,中医方药研究不断深入,中医药学与多领域多学科相互渗透,形成了多学科交叉研究的发展趋势。数据挖掘技术能够在大量的、不规范的、模糊不完全的数据集中发现具有理论或实践价值的潜在知识,是利用数据发现知识的关键技术,已被广泛应用于各学科领域。在中医药领域中应用也开始兴起,与传统的文献研究不同,数据挖掘技术完全是根据客观的中医药数据来发现模型和探索规律,不掺杂主观因素。就中医方药研究领域的应用已展现出良好的前景,为中医方药研究开辟了新的途径。论文在研究了数据挖掘在中医方药领域的研究现状的基础上,收集整理了500余条辛温解表剂原始数据,参考《中华人民共和国药典》、《中医大辞典》、《中医临证备要》和《中医症状鉴别诊断学》等文献资料对方剂药名处理、病症数据处理、剂量单位处理等数据清洗和规范整理后,获得了 282条有效数据,建立了辛温解表剂中医方药数据库。在经过聚类分析、分类分析、关联规则挖掘、预测分析等预实验研究后,确定较为可行、算法适应、结论合理的数据分析与挖掘方法对辛温解表剂数据进行分析研究。研究了数据挖掘的主要方法,重点是聚类分析k-means算法、关联规则Apriori算法和预测模型BP算法的核心思想、基本原理和算法步骤。利用k-means算法建立中医方药聚类分析模型,对辛温解表剂数据进行离群点分析,发现当聚成2类时,成员数目分别为212和5,说明辛温解表剂数据几乎都属于一个类别,也就说明辛温解表剂的药物用量遵循着一定的用量规律,正常情况下不会出现用量过多或过少的情况。利用Apriori算法对辛温解表剂数据进行关联规则挖掘,发现了辛温解表剂中的常见药物组对和药症对应关系,挖掘结果符合中医方药的理论和实践,能够为临床用药提供辅助指导。利用BP神经网络建立辛温解表剂药症关系预测模型,对辛温解表剂样本数据进行网络训练和预测,探索辛温解表剂药物组方与主治病症之间的对应关系,研究发现通过方剂药物组合确定主治病症的准确率较高,而通过主治病症选取核心单味药的准确率较低。