本文選題：中醫(yī)方藥 + 數(shù)據(jù)挖掘��； 參考：《南京中醫(yī)藥大學(xué)》2017年碩士論文

【摘要】：中醫(yī)作為我國四大國粹之一,在數(shù)千年的發(fā)展過程中,形成了獨特的辨證論治理論與遣藥組方規(guī)律,為人類健康做出了重要貢獻(xiàn),是人類的寶貴財富。隨著中醫(yī)藥現(xiàn)代化進(jìn)程的推進(jìn),中醫(yī)方藥研究不斷深入,中醫(yī)藥學(xué)與多領(lǐng)域多學(xué)科相互滲透,形成了多學(xué)科交叉研究的發(fā)展趨勢。數(shù)據(jù)挖掘技術(shù)能夠在大量的、不規(guī)范的、模糊不完全的數(shù)據(jù)集中發(fā)現(xiàn)具有理論或?qū)嵺`價值的潛在知識,是利用數(shù)據(jù)發(fā)現(xiàn)知識的關(guān)鍵技術(shù),已被廣泛應(yīng)用于各學(xué)科領(lǐng)域。在中醫(yī)藥領(lǐng)域中應(yīng)用也開始興起,與傳統(tǒng)的文獻(xiàn)研究不同,數(shù)據(jù)挖掘技術(shù)完全是根據(jù)客觀的中醫(yī)藥數(shù)據(jù)來發(fā)現(xiàn)模型和探索規(guī)律,不摻雜主觀因素。就中醫(yī)方藥研究領(lǐng)域的應(yīng)用已展現(xiàn)出良好的前景,為中醫(yī)方藥研究開辟了新的途徑。論文在研究了數(shù)據(jù)挖掘在中醫(yī)方藥領(lǐng)域的研究現(xiàn)狀的基礎(chǔ)上,收集整理了500余條辛溫解表劑原始數(shù)據(jù),參考《中華人民共和國藥典》、《中醫(yī)大辭典》、《中醫(yī)臨證備要》和《中醫(yī)癥狀鑒別診斷學(xué)》等文獻(xiàn)資料對方劑藥名處理、病癥數(shù)據(jù)處理、劑量單位處理等數(shù)據(jù)清洗和規(guī)范整理后,獲得了 282條有效數(shù)據(jù),建立了辛溫解表劑中醫(yī)方藥數(shù)據(jù)庫。在經(jīng)過聚類分析、分類分析、關(guān)聯(lián)規(guī)則挖掘、預(yù)測分析等預(yù)實驗研究后,確定較為可行、算法適應(yīng)、結(jié)論合理的數(shù)據(jù)分析與挖掘方法對辛溫解表劑數(shù)據(jù)進(jìn)行分析研究。研究了數(shù)據(jù)挖掘的主要方法,重點是聚類分析k-means算法、關(guān)聯(lián)規(guī)則Apriori算法和預(yù)測模型BP算法的核心思想、基本原理和算法步驟。利用k-means算法建立中醫(yī)方藥聚類分析模型,對辛溫解表劑數(shù)據(jù)進(jìn)行離群點分析,發(fā)現(xiàn)當(dāng)聚成2類時,成員數(shù)目分別為212和5,說明辛溫解表劑數(shù)據(jù)幾乎都屬于一個類別,也就說明辛溫解表劑的藥物用量遵循著一定的用量規(guī)律,正常情況下不會出現(xiàn)用量過多或過少的情況。利用Apriori算法對辛溫解表劑數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘,發(fā)現(xiàn)了辛溫解表劑中的常見藥物組對和藥癥對應(yīng)關(guān)系,挖掘結(jié)果符合中醫(yī)方藥的理論和實踐,能夠為臨床用藥提供輔助指導(dǎo)。利用BP神經(jīng)網(wǎng)絡(luò)建立辛溫解表劑藥癥關(guān)系預(yù)測模型,對辛溫解表劑樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練和預(yù)測,探索辛溫解表劑藥物組方與主治病癥之間的對應(yīng)關(guān)系,研究發(fā)現(xiàn)通過方劑藥物組合確定主治病癥的準(zhǔn)確率較高,而通過主治病癥選取核心單味藥的準(zhǔn)確率較低。
[Abstract]:Chinese medicine as one of the four quintessence of our country, in the development of thousands of years, has formed a unique theory of syndrome differentiation and prescription, has made an important contribution to human health, is the precious wealth of mankind. With the advancement of the modernization of traditional Chinese medicine, the research of traditional Chinese medicine has been deepened, and the interpenetration of traditional Chinese medicine and multi-discipline has formed the development trend of multidisciplinary research. Data mining technology can discover potential knowledge with theoretical or practical value in a large number of non-standard fuzzy incomplete data sets. It is a key technology to use data discovery knowledge and has been widely used in various disciplines. Different from the traditional literature research, the data mining technology is based on the objective TCM data to discover the model and explore the law completely, and does not mix the subjective factors. The application of traditional Chinese medicine has shown a good prospect and opened up a new way for the research of traditional Chinese medicine. On the basis of studying the current situation of data mining in the field of traditional Chinese medicine, the paper collects and arranges the original data of more than 500 kinds of thermopharmaceuticals. Referring to the documents such as Pharmacopoeia of the people's Republic of China, Dictionary of the University of traditional Chinese Medicine, Preparedness of Clinical Syndromes of traditional Chinese Medicine and differential Diagnostics of traditional Chinese Medicine, etc., after cleaning and standardizing the treatment of prescription drug names, disease data processing, dose unit processing, etc., 282 effective data were obtained, and the database of TCM prescriptions of Xin-Wen antitabular agents was established. After cluster analysis, classification analysis, association rule mining, prediction analysis and other pre-experimental studies, it is determined that the algorithm is more feasible and adaptive. Conclusion the reasonable data analysis and mining methods are used to analyze and study the pungent table data. This paper studies the main methods of data mining, focusing on the core idea, basic principle and algorithm steps of clustering analysis k-means algorithm, association rule Apriori algorithm and prediction model BP algorithm. The cluster analysis model of traditional Chinese medicine prescription drugs was established by k-means algorithm, and the outlier analysis was carried out on the data of xingwen alexitizer. It was found that the number of members was 212 and 5 respectively when the data were clustered into two classes, which indicated that the data of Xin-wen alexitizer almost belong to one category. It also shows that the amount of zymopharmaceuticals follows a certain amount of law, normally there will not be too much or too little situation. By using Apriori algorithm to mine the association rules of the data of the photic temperature table agent, the corresponding relationship between the common drug pairs and the drug symptom was found. The results of the mining accord with the theory and practice of traditional Chinese medicine, and can provide auxiliary guidance for the clinical use of drugs. BP neural network was used to establish the prediction model of the relationship between photic temperature and antipyretic agents, to train and predict the sample data, and to explore the corresponding relationship between the prescription and the main disease. It was found that the accuracy rate of determining the main disease by the combination of prescriptions was higher, but the accuracy of selecting the core single medicine by the main treatment was lower.
【學(xué)位授予單位】：南京中醫(yī)藥大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP311.13;R28

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐遠(yuǎn)平;汪尤利;;數(shù)據(jù)挖掘在高校突發(fā)公共衛(wèi)生事件預(yù)警和控制中的應(yīng)用[J];現(xiàn)代預(yù)防醫(yī)學(xué);2007年17期

2 陳明;;醫(yī)學(xué)數(shù)據(jù)挖掘綜述[J];醫(yī)學(xué)信息;2008年01期

3 黃秋燕;金京皓;沈岳龍;鄭暉;;數(shù)據(jù)挖掘在醫(yī)學(xué)信息中的應(yīng)用[J];醫(yī)學(xué)信息(上旬刊);2010年08期

4 孫哲豐;王迎利;;中國藥品電子監(jiān)管數(shù)據(jù)挖掘現(xiàn)狀的分析與思考[J];中國醫(yī)藥導(dǎo)刊;2014年06期

5 劉春艷,張愛連,胡鐵軍;數(shù)據(jù)挖掘及其在信息服務(wù)業(yè)應(yīng)用的研究現(xiàn)狀[J];醫(yī)學(xué)情報工作;2004年06期

6 ;統(tǒng)計分析與數(shù)據(jù)挖掘的優(yōu)秀工作平臺[J];中國醫(yī)院統(tǒng)計;2006年02期

7 徐剛;袁兆康;;數(shù)據(jù)挖掘及其在醫(yī)學(xué)領(lǐng)域中的應(yīng)用和展望[J];實用臨床醫(yī)學(xué);2006年11期

8 黃艷玲;;數(shù)據(jù)挖掘在醫(yī)學(xué)領(lǐng)域中的文獻(xiàn)發(fā)展評價[J];現(xiàn)代醫(yī)院;2007年01期

9 丁維;蔣永光;宋姚屏;吳孟旭;李昆;;數(shù)據(jù)挖掘及其在中醫(yī)領(lǐng)域的應(yīng)用研究[J];數(shù)理醫(yī)藥學(xué)雜志;2007年03期

10 王華;江啟成;胡學(xué)鋼;;數(shù)據(jù)挖掘在醫(yī)學(xué)上的應(yīng)用[J];安徽醫(yī)藥;2008年08期

相關(guān)會議論文 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務(wù)創(chuàng)新——第十三屆計算機(jī)模擬與信息技術(shù)學(xué)術(shù)會議論文集[C];2011年

4 關(guān)清平;沉培輝;;概率網(wǎng)絡(luò)在數(shù)據(jù)挖掘上的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學(xué)技術(shù)情報學(xué)會學(xué)術(shù)年會論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應(yīng)用[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國鋼鐵行業(yè)中的應(yīng)用[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應(yīng)用[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 謝中;邱玉輝;;面向商務(wù)網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2001年

相關(guān)重要報紙文章 前10條

1 本報記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點想像力[N];計算機(jī)世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡(luò)世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍(lán)海[N];網(wǎng)絡(luò)世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡(luò)數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領(lǐng)中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭的基礎(chǔ)工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時報;2002年

相關(guān)博士學(xué)位論文 前10條

1 于自強(qiáng);海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學(xué);2015年

2 張馨;全基因組SNP芯片應(yīng)用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 彭計紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學(xué);2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復(fù)旦大學(xué);2013年

5 鄔文帥;基于多目標(biāo)決策的數(shù)據(jù)挖掘方法評估與應(yīng)用[D];電子科技大學(xué);2015年

6 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2010年

7 何偉全;云南高校學(xué)生意外傷害因素關(guān)聯(lián)規(guī)則挖掘及風(fēng)險管控體系研究[D];昆明理工大學(xué);2015年

8 段功豪;基于多結(jié)構(gòu)數(shù)據(jù)挖掘的滑坡災(zāi)害預(yù)測模型研究[D];中國地質(zhì)大學(xué);2016年

9 白曉明;基于數(shù)據(jù)挖掘的復(fù)合材料宏—細(xì)觀力學(xué)模型研究[D];哈爾濱工業(yè)大學(xué);2016年

10 藍(lán)永豪（LAM Wing Ho）;基于數(shù)據(jù)挖掘技術(shù)分析當(dāng)代中醫(yī)名家痤瘡驗方經(jīng)驗研究[D];南京中醫(yī)藥大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機(jī)遇識別與評價研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2007年

2 張彥俊;游戲運營中的數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2011年

3 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應(yīng)用研究[D];昆明理工大學(xué);2015年

4 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應(yīng)用平臺設(shè)計[D];江南大學(xué);2015年

5 劉學(xué)建;數(shù)據(jù)挖掘在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究[D];昆明理工大學(xué);2015年

6 戴陽陽;基于數(shù)據(jù)挖掘的金融時間序列預(yù)測研究與應(yīng)用[D];江南大學(xué);2015年

7 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術(shù)師范學(xué)院;2015年

8 陳丹;移動互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營銷的設(shè)計與實現(xiàn)應(yīng)用研究[D];華南理工大學(xué);2015年

9 陳思;基于數(shù)據(jù)挖掘的大學(xué)生客戶識別模型的研究[D];昆明理工大學(xué);2015年

10 位長帥;基于客戶數(shù)據(jù)挖掘的電信客戶關(guān)系管理研究[D];西南交通大學(xué);2015年

，

本文編號：1928195