關聯規(guī)則挖掘方法及其在冠心病中醫(yī)診療中的應用研究.pdf

1、冠心病是嚴重危害人類健康的常見病和多發(fā)病,已成為導致人類死亡的重大疾病之一。研究如何快速有效地從海量冠心病中醫(yī)臨床診療數據中挖掘蘊含其中的關聯規(guī)則,并將得到的關聯規(guī)則合理應用到冠心病的中醫(yī)臨床診療中,具有十分重要的理論和實際意義。
　　 根據冠心病中醫(yī)診療數據的特點和挖掘需求,本文將向量法引入關聯規(guī)則挖掘中,從脈象、舌質、發(fā)病誘因等18個方面與26種冠心病中醫(yī)證型之間挖掘出中醫(yī)辨證規(guī)律,得到了一系列的冠心病辨證規(guī)則,為冠心病的確

2、診與預防提供了重要的決策依據。
　　 冠心病診療數據往往是多值屬性、多類標數據,傳統的關聯規(guī)則挖掘算法通常沒有較好地結合領域知識,直接挖掘其中存在的規(guī)則,效率較低。為此,本文結合冠心病中醫(yī)診療數據的特點,對決策屬性和非決策屬性進行分塊編碼,提出一種前后件約束的關聯規(guī)則挖掘算法,可有效挖掘出中醫(yī)治療冠心病的用藥規(guī)律,大大提高了算法的運行效率。此算法對于尋找決策屬性與非決策屬性之間的關聯規(guī)則的數據挖掘問題具有一定的理論和實際價值。<

3、br>　　 傳統關聯規(guī)則通常采用統一支持度閾值挖掘頻繁項目集,導致支持度較低的長項目集無法被挖掘。若降低支持度閾值將產生大量冗余短項目集,同時會導致算法效率大大降低。為此,本文提出了一種前后件和長度遞減支持度約束的關聯規(guī)則挖掘方法,能夠有效地挖掘更多的長模式,減少無用的短模式,使得生成的規(guī)則更具有理論和實際價值,能夠有效輔助冠心病診斷和治療。
　　 目前許多學者對生成規(guī)則前件與后件相關性進行了大量研究并提出若干相關性度量方式,

4、但所提出度量方式絕大多數是以事物發(fā)展過程中的相關性不變?yōu)榍疤岬?。然而這種全局相關性的研究具有很大的偶然性,如果項集之間的相關性發(fā)生變化的話,就會出現當前挖掘出的關聯規(guī)則的支持度和置信度較高,并且是正相關的,但隨著時間的推移或某些特殊事件的發(fā)生將會出現當前規(guī)則的支持度和置信度變化,甚至出現不相關。針對關聯規(guī)則在全局相關性方面的不足,本文提出了一種分段式非線性回歸和反向驗證的方法,并對關聯規(guī)則的相關性進行驗證。該方法對關聯規(guī)則相關性的分析更

5、加準確,產生規(guī)則的數量大大減少,能夠挖掘出更有意義的關聯規(guī)則。通過在冠心病中醫(yī)診療數據上的實驗,表明此方法更具有實際意義。
　　 關聯規(guī)則的挖掘算法大多是基于支持度.置信度框架理論的,如果考慮到數據的時間因素以及規(guī)則前件與后件的相關性問題,這種方式并不是很有效。本文提出了一種新的關聯規(guī)則框架:時效支持度.時效匹配度。采用新的匹配度方法取代傳統的置信度,可以有效解決規(guī)則前件與后件的相關性問題,以支持度-匹配度框架為基礎加入時間熵因