试述配伍关联规则和聚类在方剂配伍规律中运用

论文导读：方剂数据挖掘系统,将编程实现的Apriori算法以及K-means算法嵌入到系统中去,并完成相应的数据挖掘功能。关键词：数据挖掘论文关联规则论文聚类浅析论文方剂配伍论文本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6Abstract6-8
摘要：中医作为我国国粹的同时,也是人类知识宝库的重要组成部分。在漫长的进展历程中,中医形成了自己独特的“辨证论治”论述。同时,也积累了大量的典籍,这些典籍是古代中医智慧的结晶,尤其在方剂记载方面,形成了巨大的知识宝库。方剂是中医治疗疾病的主要手段,其中方剂的配伍探讨是现代中医药探讨的重要组成部分,也是制约中医药现代化进程的关键环节。随着我国中医学信息化、数字化、现代化的进展,中医方剂数据库已经日渐改善,如何以这些数据中浅析出古代方剂的用药规律,是目前探讨的热点。随着数据库技术的进展,数据挖掘作为新的数据处理与浅析技术应运而生,并得到了广泛的运用。数据挖掘就是以数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的非平凡历程。采取数据挖掘技术来浅析古代方剂数据,揭示古代方剂的配伍规律,对方剂配伍的探讨就有一定的推动作用。本论文的重点是采取数据挖掘技术来探讨古代方剂配伍规律,通过对药物数据的建模,设计并实现相应的求解算法,最终得到了与中医论述相一致的结论,具体探讨内容包括以下三方面：(1)采取聚类浅析对药物进行合理分类,并对药物在方剂中地位的确定提供依据,本论文首次采取K-means算法对药物进行聚类浅析,探讨包括单一病证以及单一方剂下的药物聚类。(2)采取关联规则来浅析药物之间的关联性,包括单一病证下药物之间的关联性以及多病证下药物之间的关联性,并在此狭义药对探讨的基础上提出广义药对的挖掘策略。在浅析药物关联性的同时,本论文也给出了包含同种药物下的病证间的关联规则策略,同时浅析药物的最适应病证。另外,在参数灵敏度浅析的基础上给出了合理的参数设置,并引入兴趣度这一概念。(3)设计并开发基于B/S结构的古代方剂数据挖掘系统,将编程实现的Apriori算法以及K-means算法嵌入到系统中去,并完成相应的数据挖掘功能。关键词：数据挖掘论文关联规则论文聚类浅析论文方剂配伍论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-8
目录8-12
第1章 绪论12-18

1.1 课题的背景与来源12

1.2 课题探讨的目的与作用12-13

1.3 探讨目标与探讨内容13-14

1.4 探论文导读：2.3剂量组配的探讨293.3方剂配伍规律的一般探讨策略29-313.3.1基于化学成分的探讨29-303.3.2基于药理学的探讨30-313.4方剂配伍规律的数据挖掘策略31-363.4.1基于分类策略的方剂配伍规律的探讨近况31-323.4.2基于聚类浅析的方剂配伍规律的探讨近况32-343.4.3基于关联规则的方剂配伍规律的探讨近况34-363.5方剂配伍规
讨的技术路线与策略14-15

1.5 本论文的结构安排15-18

第2章 数据挖掘概述18-28

2.1 数据挖掘的产生背景及概念18-19

2.2 数据挖掘的任务19-20

2.3 数据挖掘的策略20-23

2.4 数据挖掘的历程23-24

2.5 数据挖掘的运用24-25

2.6 数据挖掘的软件工具25-27

2.7 本章小结27-28

第3章 基于数据挖掘技术的方剂配伍规律的探讨综述28-38

3.1 方剂配伍的基本概念与探讨作用28

3.2 方剂配伍规律的探讨内容28-29

3.

2.1 七情和合的探讨28-29

3.

2.2 君臣佐使的探讨29

3.

2.3 剂量组配的探讨29

3.3 方剂配伍规律的一般探讨策略29-31

3.1 基于化学成分的探讨29-30

3.2 基于药理学的探讨30-31

3.4 方剂配伍规律的数据挖掘策略31-36

3.4.1 基于分类策略的方剂配伍规律的探讨近况31-32

3.4.2 基于聚类浅析的方剂配伍规律的探讨近况32-34

3.4.3 基于关联规则的方剂配伍规律的探讨近况34-36

3.5 方剂配伍规律挖掘的探讨展望36

3.6 本章小结36-38

第4章 聚类浅析在药物分类探讨中的运用38-48

4.1 聚类浅析概述38-39

4.

1.1 聚类浅析的介绍38

4.

1.2 聚类浅析的策略38-39

4.

1.3 聚类浅析的运用39

4.2 药物聚类的模型39-42
4.

2.1 药物聚类的不足描述39-40

4.

2.2 药物聚类的模型40-41

4.

2.3 数据预处理策略41-42

4.3 K-means算法及实现42-44
4.

3.1 K-means算法流程42-43

4.

3.2 K-means算法实现历程43-44

4.4 药物聚类浅析的实例44-47

4.1 基于聚类策略的药物分类44-46

4.2 基于聚类策略的药物“君臣佐使”地位的验证46-47

4.5 本章小结47-48

第5章 关联规则在常用药对以及病证关联探讨中的运用48-66

5.1 关联规则概述48-51

5.

1.1 关联规则介绍48-49

5.

1.2 关联规则的算法49-50

5.

1.3 关联规则的运用50-51

5.2 文献方剂数据的关联规则模型51-53
5.

2.1 常用药对以及病证关联的不足描述51-52

5.

2.2 药物之间的关联规则模型52

5.

2.3 病证之间的关联规则模型52-53

5.3 Apriori算法及实现53-57
5论文导读：统实现及各数据挖掘功能模块的运用实例81-866.6本章小结86-88第7章结论与展望88-90参考文献90-94致谢94-96攻读硕士期间发表的论文、获奖情况及发明专利等项96-98作者以事科学探讨和学习经历的简历98上一页123
.

3.1 Apriori算法流程53-54

5.

3.2 Apriori算法实现历程54-57

5.4 关联规则策略的实例57-64
5.

4.1 单一病症下的药物关联规则57-59

5.

4.2 多病证下的药物关联规则59-60

5.

4.3 广义药对的关联规则60-62

5.

4.4 病证之间的关联规则62-64

5.5 本章小结64-66
第6章 古代方剂数据挖掘系统的设计与开发66-88

6.1 系统总体目标66

6.2 系统总体设计66-71

6.

2.1 系统的系统结构及开发环境66

6.

2.2 系统数据流图66-70

6.

2.3 系统的功能结构70-71

6.3 系统数据库设计71-73
6.

3.1 数据库概念设计71-72

6.

3.2 数据库逻辑模型72

6.

3.3 数据库物理模型72-73

6.4 系统功能详细设计73-81
6.

4.1 单一病证下的药物聚类浅析模块设计73-75

6.

4.2 单一方剂下的药物聚类浅析模块设计75-76

6.

4.3 单一病证下的药物关联规则模块设计76-77

6.

4.4 多病症下的药物关联规则模块设计77-78

6.

4.5 广义药对的关联规则模块设计78-80

6.

4.6 病证之间的关联规则模块设计80-81

6.

4.7 基础资料维护模块设计81

6.5 系统实现及各数据挖掘功能模块的运用实例81-86

6.6 本章小结86-88

第7章 结论与展望88-90
参考文献90-94
致谢94-96
攻读硕士期间发表的论文、获奖情况及发明专利等项96-98
作者以事科学探讨和学习经历的简历98