论文部分内容阅读
中医药是中华民族具有几千年传统的医药学,中华民族繁衍生息到现在充分证明了中医顽强的生命力及其实用价值。近几年来,中医药科学问题的现代研究不仅是中医药本身的研究重点,也成为其他学科,如化学、药物学研究的重点。随着信息化的深入,中医药信息越来越多,对其整理和归纳的工作也越来越复杂:如何从中找到有用的中医药知识;如何利用以前的临床案例来进行中医证侯的诊断;如何利用巨大的方剂知识,为中医专家有效地提供新的方剂配伍,是三个急需解决的问题。 数据挖掘技术是解决机器学习、模式识别、数据库技术等各种领域中的大型实际应用问题而提出的一些工程性方法的集合,主要是为了从大型数据库中高效地发现隐含在其中的知识或规律,并为人类专家的决策提供支持。高频集发现和贝叶斯分类是两种重要的数据挖掘技术。 中药知识发现集中在发现常用的单味药合用模式,在中医术语中称之为药对,这可以用高频集发现来解决;中医症候诊断可以看成是在大量临床案例库上的贝叶斯训练器和分类器;解决方剂配伍问题的关键是建立起一个合适的配伍计算机模型。本文在这三个方面作了下面一些工作: 1.分析高频集发现算法在中药知识发现中的模型,建立起合理的数据结构,并对Apriori算法做了一些改进,提出了一个新的参数:有效支持度,以便使找到的药对真正满足中医专家的兴趣,并在几十条中医数据基础上作了一些测试工作。 2.分析了贝叶斯算法的工作原理,并建立起中医证候诊断的模型:建立起以症状为维度的特征空间,以证侯为分类目标的空间,初步建立起一个中医证侯诊断的原型演示系统。 3.研究了中医方剂组方的过程,提出了方剂配方的计算机模型,设计了一个计算机方剂配方系统,给出了计算机方剂组方的具体步骤,探讨了这种模型的可行性,有效性。 4.开发了一个计算机系统Formula,它集成了中药药对发现功能,中医证侯诊断功能以及在中医专家的支持下的计算机辅助组方功能。