基于最大频繁项集的层次聚类方法-南京中医药大学学术成果平台.pdfVIP

第27卷　第3期 广西师范大学学报: 自然科学版 V o l. 27　N o. 3 　　　　 2009年9月 Jou rn a l of Guan gx iN o rm a l U n iver sity:N atu ra l Scien ce Ed it ion 　　　　　　 Sep t. 2009 基于最大频繁项集的层次聚类方法 1 2 3 3 刘　熙 , 王崇骏 , 叶　亮 , 范欣生 ( 1. 南京大学 计算机软件新技术国家重点实验室, 江苏 南京 2 10093; 2. 南京大学 计算机科学与技术系, 江苏 南京 2 10093; 3. 南京中医药大学 江苏省方剂研究重点实验室, 江苏 南京 2 10002) 摘　要: 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哮喘病的治疗方剂, 已有的基于距离 的聚类算法在对哮喘方剂数据的聚类上不太有效。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。基于现有中药数据, 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: 频繁项集; 相似度; 层次聚类; 方剂 中图分类号: T P 30 1. 6　　　文献标识码: A 　　　文章编号: 100 16600 (2009) 030 10504 中医药研究越来越受到公众和医学界的广泛重视, 传统医学及天然药物在世界范围内也得到更广泛 [ 1 ] 的应用 。中医方剂研究主要研究方剂的配伍规律、主治以及方与方之间、方与药之间的关系等。由于几千 年的积累, 方剂数量巨大且其中蕴涵着丰富及多样化的信息。 中医方剂的发展经历了从“单方→基本方→复方”的衍化过程。在某些简单方的基础上可衍化为多个 复方, 复方也可能经过药物的加减形成新的方剂, 这种发展过程体现了一种层次关系。如何利用现代先进 手段挖掘或分析出复方衍化规律是方剂理论研究中的一个重要研究分支。 数据挖掘技术已应用于多个领域, 在中医药研究中也被 日益重视。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, 症状之间及药、方、症、证之间的关系。有人用隐结构的方法在中医辨证问题上 [2～ 4 ] [ 5 ] 进行了一系列的研究 。还有人用聚类算法把具有相似功效的单味药归类在一起 。 聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。聚类的目的是把大量数据点的集 合分成若干簇, 使得每个簇中的数据之间最大程度地相似, 而不同簇中的数据最大程度地不同。中医里的 类方是在药物组成上具有一定相似性的方剂的集合, 是针对常见病证而形成的一群方剂。类方的研究方法 有传统的方法, 也有现代的数学统计方法, 研究的关键是要抓住类方元之间的相似性与差异性, 因此聚类 技术能大大有助于类方研究。 聚类技术的关键在于如何度量相识性。普遍的相识性度量是基于距离的相识性度量, 但中药方剂数据 属于高维数据, 由于高维数据固有的稀疏性, 用基于距离的度量来判断簇内相似性和簇间相异性的聚类方 [ 6 ] 法应用在中药方剂聚类时就不太有效 。本文提出一种基于最大频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　相似度度量 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具有较高的相似度, 而不同簇中的对象差 [7 ] 别较大。距离是相似度通常采用的度量方式 。不同的距离度量方式适合于