中藥藥理知識發(fā)現(xiàn)系統(tǒng)中關(guān)鍵技術(shù)的研究.pdf

1、中藥治療疾病在中國已有幾千年的歷史，它對人類身體健康具有重要意義。由于中藥理論的復(fù)雜和不完善，傳統(tǒng)方法在中醫(yī)藥的研究中遇到了很多困難，這嚴重阻礙了對傳統(tǒng)中醫(yī)藥的繼承和發(fā)展。 數(shù)據(jù)挖掘是一門新興的計算技術(shù)，它融合了數(shù)據(jù)庫、數(shù)據(jù)倉庫、人工智能、機器學習、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計學、模式識別、信息檢索、遺傳算法等多學科知識，可以從大量數(shù)據(jù)中挖掘出事先不知道的、但又是潛在有用的信息和知識。 在國家自然科學基金和國家中醫(yī)藥管理局基金支持下，

2、把數(shù)據(jù)挖掘技術(shù)應(yīng)用到中藥方劑的研究中，試圖從古今大量驗方中挖掘出方劑的性、味、歸經(jīng)、功效等藥理信息，為中醫(yī)臨床用藥和研究提供輔助信息，為祖國醫(yī)學的發(fā)展做出貢獻。 圍繞這一課題的研究，本文提出了一些適合中藥領(lǐng)域特點的數(shù)據(jù)挖掘算法，這些算法也可以用到其它數(shù)據(jù)挖掘場合。主要取得如下成果： 1．證明了最近鄰搜索定理，基于這一定理提出了SNN搜索算法。在逐點比較最近鄰搜索中，需要兩兩比較所有的數(shù)據(jù)，其時間復(fù)雜度為O(n<'2>)。

3、而SNN算法只需較少的比較次數(shù)就可找到最近鄰數(shù)據(jù)，其時間復(fù)雜度為O(n<'*>log(n))，當用掃描圖像所得數(shù)據(jù)時，時間復(fù)雜度會降為O(n)。 2．基于“同類相近”的思想，提出了實現(xiàn)任意形狀高維空間聚類的NNAF算法，其時間復(fù)雜度為O(n)；提出了MLCA算法并證明了兩個相關(guān)的定理。在多數(shù)聚類算法中，當改變閾值重新聚類時，需要重新開始執(zhí)行原來的聚類操作，而使用MLCA算法在原聚類的基礎(chǔ)上進行增量聚類，可以節(jié)省90％以上的時間。

4、 3．提出了基因表達式編程(GEP)算法中的初始種群精英個體產(chǎn)生策略(EPS)，使得初始種群中具有較高適應(yīng)度的個體，從而使整個進化從一個較高的起點開始。實驗表明，EPS提高進化效率達17％。 4．為了在GEP算法中產(chǎn)生較好的初始種群，提出了基因空間均勻分布策略(GSBS)。用GSBS策略產(chǎn)生的初始種群基因多樣性比用隨機方式產(chǎn)生的要好的多，因此可以大大提高種群進化效率。實驗表明，GSBS提高進化效率超過20％。 5