数据库知识发现(KDD)是涉及人工智能和数据库等学科的一门当前相当活跃的研究领域。KDD是从数据库中抽取和识别出有效的、新颖的、可能有用的、能被人们理解的模式的非平凡过程。在当今数字化社会中,各种商业、政府、科学数据库和数据量的急剧增长,远远超过了人类目前已有的分析和理解能力,因此,从大量的数据中智能地、自动地提取出有价值的知识和信息,即数据库的知识发现,具有十分重要的现实意义。中医是有着悠久历史的传统医学,中医诊断在长期过程中积累了相当庞大的病例数据信息,但是其内容一般晦涩模糊,如何从这些宝贵的病案信息中获取到有用的知识对中医的现代化来说意义重大。本论文旨在研究合适的KDD方法,从海量中医诊断信息中获取知识,有效地抽取出病证诊断规则,从而辅助临床专家做出诊断。论文先阐明了KDD的基本概念、理论,介绍了传统中医诊断理论的特点,并针对本文的研究目的,从各种挖掘方法中选择出了适合于对中医诊断病案数据库实施知识挖掘的分类方法。论文重点对贝叶斯分类器、人工神经网络以及粗集理论等三种分类手段进行了详尽的研究,分别构建出基于上述三种技术的分类器模型,给出了几种知识挖掘的算法及在中医知识库中实施的具体策略。论文采用的分类器及挖掘算法符合中医诊断数据的特点,保证了其在实际应用中的可行性,并能通过改进在一定程度上提高挖掘结果的有效性。论文还分析和研究了构建一个完整的中医KDD系统,即中医诊断信息系统(CMDIS),着重讨论了该KDD系统的功能、构造方式和设计要点。CMDIS系统的建立和完善,对于实现中医诊疗现代化具有积极意义。结合本文的研究工作,论文在最后提出了在现有的医疗专家系统(ES)基础上建立一个基于KDD的中医专家系统。