多路异质聚类在中医临床数据中的应用和其研究.pdfVIP

中文摘要 近几十年来，随着计算机技术的迅猛发展，越来越多的数据被存入计算机， 但是由于缺乏有效的工具从大量的数据中发现潜在的规则和信息，导致数据不能 有效的被利用，浪费了很多获取知识的机会。然后随着数据挖掘技术的提出，人 们才有机会在海量的数据中找到自己想要的知识。 中医是以临床医学为基础的学科，中医临床数据具有复杂的相互关系，并蕴 含着大量的医学知识。中医临床数据涉及的属性很多，包括患者，症状，用药信 息，疗效信息，药物分类信息等等。同时考虑中医临床数据中多种异质的属性特 征，进行聚类分析是有望发现中医临床数据中隐含结构知识的可行方法，本文对 此进行了初步的尝试和探索。 论文做出的工作包含以下几个方面： 1．由传统聚类方法的不足引入了一种更加新颖的，应用范围更广的异质聚类 算法，并根据异质聚类算法能够解决多关系数据聚类的特点，重点介绍了两种不 同的多路异质聚类方法，突出多路异质聚类算法在处理此类问题上的优势。 2．结合中医临床数据集，对临床数据中的病人一症状，症状一药物，药物一 药效等多种相关信息加以综合考虑，建立两种相关度模型：属性间的相似度模型 和考虑不同影响因素的类内的相关度模型。 3．将异质聚类算法应用到临床数据中，根