基于最大频繁项集的层次聚类方法.pdfVIP

第 27卷第 3 期 2009 年 9 月 广西师革大学学报=自然科学题 Journal of Guangxi Normal University:Natural Science Edition 基于最大频繁项集的层次聚类方法 如j 黑1 ，王崇玻2，呼亮3，范政生3 Vol. 27 No.3 SePt.2009 (1.南京大学计算机软件新技术国家重点实验室，江苏离京 210号吉3 ， 2. 南京大学计算机科学与技术系，江苏南京 2100钮， 3. 南京中医药大学江苏省方1ftJ研究重点实验室，江苏南京 210。但〉 摘 要 s几千年来，中医药领域的无数临床实践与理论研究积累了很多对瞠端病的治疗方剂，己有的基于距离 的聚类算法在对哮喘方剂数据的聚类主不太有效e 根据哮喘药方数据集高维稀疏性的特点提出一种基于最 大频繁项集的层次聚类算法，此算法在哮喘方剂的聚类上取得了较好的效果，基子现有中药数据，设计并实 现一个中药方剂数据挖掘平台，该平台将中药数据检索功能和中药数据挖掘功能集成起来，带来了极大的便 利， 关键词 2频繁项集;相似度z墨次聚类 F方剂 中国分类号，TP301.6 文献标识码，A 文章编号， 1001-6600(200引03-0105-04 中医药研究越来越受重;公众和医学界的广泛重梅，传统医学及天然药费在世界范围内也得到更广泛 的应用E气中医方剂研究主要研究方剂的配值规律、主浩以及方与方之闰、方与药之间的关系等。由于几千 年的程累，方剂数量巨大且其中蕴撞着丰富及多样化的信息。 中医方:iltJ的发展经历了从单方→基本方→复方的衍生过程。在某些简单方的基础上可衍生为多个 复方，复方也可能经过药物的拥藏形成薪的方剂，这种发展过程体现了一种层次关系。如何利用理代先进 子最控据或分析出复方街化规律是方割理诠研究中的一个重要研究分支。 数据控握技术己应用于多个领域，在中医药研究中也被自益重视。数据挖掘技术越来越多地用来分析 方剂中核心药物，药物之间，霆状之间及药、方、症、证之间的关系。有人理隐结陶的方法在中医辨证问题上 进行了一系列的研究bde 还有人用聚类算法把具有梧似功效的单昧药归类在一起L∞5叼] 聚类是数据控掘中用来发现数据分布和嚣嚣、含模式台前号)项重要技术@聚类的目的是范大量数据点的集 合分成若干簇，使得每个簇中的数据之离最大程度地梧倒，雨不同簇中的数据最大程度地不同。中重里的 类方是在药物组成上真有一定相级性的方肃的集合，是针对常见病证商形成的一群方药。类方的研究方法 有传统的方法，也有震代的数学统计方法，研究的关键是要握住类方元之间的相~性与差异性，自此聚类 技术能大大有助于类方研究。 聚类技术的关键在于如再度量相识性。普遍的相识性度量是基于距离的相识注度量，但中药方剂数据 属于高维数据，由于高维数握固有的稀蔬性，用基于距离的度量来判断簇内辑似性和簇拥梧异性的聚类方 法应用在中药方到聚类时就不太有效[$30 本文提出一种基于最大藏繁项集的层次聚类算法，此算法应用到 哮喘方剂数据集上得到较好的效果。 1 梧似度度量 聚类将数据对象分组成为多个簇，在同一个簇中的对象之间真有较离的相似度，而不同簇中的对象差 男较大。距离是梧制度逼常采用的度量方式E气不同的军离度量方式适合于不同特点的数据。然高并不是 所有的数据都可以用距离来重量梧似程。下面举例说费 z设有 3 个事务〈如表1)。 收稿日期，2009-06-06 基金项目 2国家自然科学基金资助项目臼087503860503021);江苏省高新技术计划(BG2007038) 通讯联系人 g玉崇骏(1975一九男，江苏淮安人，南京大学副教授，搏士. E-mail.chjwang@ 106 广西师落大学学报 z 自然辞学版 第 27 卷 表 1 3 个虚拟的事务 Fig.lτIlree virtual transactions 事务 Al A2 A3 A4 A5 A6 A7 A8 A9 AIO T1 1 1 。 1 。 。 1 。 。 T2 。 l 。 1 1 1 1 1 T3 l 。 。 。 。 。 1 其中第一行里是属姓名，其余每行表示一个事务。到这 3 个事务镀此之间的歌几里德距离为 z d(T1 ， T2)=-J于;d(T1.T3)=V4 ;d(T2.T3)=.v5 0 (1) 在这个铜子里.T1 和 T3 之嚣的距离最短，它引最相似。然商在哮喘方齐IJ数据集里，通常一方荆是从 另一方剂加藏药物萌生出来的，故当两首方*，J含有共民药物越多时，这两首方剂的关系就更为密切。在这 里.Tl 和 T2 ，T1 和 T3 的共司属性都是 3 个，而 T2 和 T3 的共同属性是 4 个，所以 T2 和 T3 的关系更萦 密，应摆在一