关联规则算法在中医数据挖掘中应用.docVIP

关联规则算法在中医数据挖掘中应用 　　[摘要]中医经验和中医对于病症的用药方法用药规律,集中体现在病历、方药中。病人的症状,如何用药、用药剂量、用药方法这些因素之间必然存在着某种关联和规律。可以利用这个特点对中医积累的数据进行关联性分析,体现症状、辨证、治法、方药这几个方面的关联规则和规律。具体体现在症状与辩证、症状与方药、辨证和方药之间的规律。 　　[关键词]关联规则用药规律中医数据 　　中图分类号:TP3文献标识码:A文章编号:1671-7597(2009)1220065-01 　　 　　本文分析经典的关联规则APriori算法和FP一增长算法的优缺点,并利用FP一增长算法进行挖掘。 　　 　　一、Apriori算法介绍 　　 　　APriori算法的特点就是对于数据库中的一维数据元组属性值进行挖掘。找到在规则中的频繁集。 　　两步过程: 　　1.找出事务数据库中的频繁项集;首先设定一个最小支持度值,只要某个项目集的支持度大于设定的最小值支持度,就称之为频繁项目集。 　　2.利用频繁项目集生成强关联规则。其一般思想是:对每一个频繁项目集,L找到L的所有非空子集s,对于每个s,如果support(1)/Sport(S)mineonf,则规则s=(1-)s成立。 　　这些规则最终都是强关联规则,满足强关联规则的两个条件。根据适当的情况还可以附加额外的条件