多路异质聚类在医临床数据中的应用及其研究.pdf

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，根据建立的数据模型设计多路聚类的 算法程序，并最终由临床数据得出相应的聚类结果，验证了多路聚类算法的正确 性，并初步发现中医临床数据中隐含结构知识，为临床诊断提供了理论依据。 关键词：中医临床数据；异质聚类；互信息量；相似度建模 分类号：TP．181 ABSTRACT Inrecent the of more decades，谢tll rapiddevelopmentcomputertechnology,the datais intothe to duethelackofeffectivetool the placed computer,but discovering rulesandinformationfromtheamountof cannotbeused potential data,data effectively 80that wastealotof toobtainthe withthedata opportunities knowledge．Thenmining havethe to the technology,people findthe what wantfTom oppommityknowledgemey massdata． Traditional Chinese basedontheclinicalmedicine．TCM medicine(TCM)is clinicaldatahas containsa amountofmedical complicatedinteractions，andlarge theTCMclinicaldatainvolvelotsof knowledge．Butfrequently classification isa patients，symptoms，drug information,e