基于遗传算法的中药药对挖掘系统的设计与实现

摘? 要 用数据挖掘技术研究了中药方剂配伍的规律。主要工作：分析了关联规则存在的问题，引入双向关联规则的概念；介绍了遗传算法的基本原理，研究了遗传算法在数据挖掘中的应用；将方剂库转换为位图矩阵，大大提高搜索效率；开发了一个基于遗传算法的中药药对药组挖掘系统。论文组织如下：介绍了研究背景和意义；阐述了相关的理论基础；提出了系统的设计方案；详细展示了基于遗传算法的双向关联规则挖掘系统的实现过程，包括位图矩阵的实现，个体的编码方法，适应度函数的设计，规则的提取，选择、交叉、变异等遗传操作的实现等；利用脾胃类方剂库对系统进行了测试，并对测试结果进行了分析。结果证明：该系统能够快速高效地从方剂库中找出具有重要意义的药对药组，对中医药的研究发展有一定意义。 关键词：数据挖掘；置信度；双向关联规则；遗传算法 1?? 需求分析及设计方案 由于事务数据库一般只具有对大量数据的存取、检索功能，对于用户的一般性的使用可以满足，然而，正是由于数据库中存放了大量的数据，不同的数据项，以及多个数据项之间还存在有大量的隐含的、未知的、有意义的数据关系，这些关系对于用户有着及其重要的作用，所以数据挖掘便在此情况下产生了。 遗传算法是数据挖掘技术中的一个重要算法。这是由于它具有快捷、简便、鲁棒性强、适于并行处理以及高效、实用等显著特点，在各类结构对象的优化过程中显示出明显的优势。它的思想源于生物遗传学和适者生存的自然规律，是具有“生存＋检测”的迭代过程的搜索算法。遗传算法以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中，选择、交叉和变异构成了遗传算法的遗传操作；初始种群编码、初始群体个数的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。 与传统的搜索方法相比，遗传算法具有如下特点： （1）搜索过程不直接作用在变量上，而是在参数集进行了编码的个体。此编码操作，使得遗传算法可直接对结构对象（集合、序列、矩阵、树、图、链和表）进行操作。 （2）搜索过程是从一组解迭代到另一组解，采用同时处理群体中多个个体的方法，降低了陷入局部最优解的可能性，并易于并行化。 （3）采用概率的变迁规则来指导搜索方向，而不采用确定性搜索规则。对搜索空间没有任何特殊要求，只利用适应性信息，不需要导数等其它辅助信息，适应范围更广。 中国自古以来就有着传统中医药文明的发祥地的地位,中药是我国特有的资源，但是中国本土中医学长期以来的发展并不是很大，在国际医学界就更不具有很强的地位。多年的时间过去了，中药方剂的更新和发展并没有很大的变化，很多都还建立在很久以前就有的方剂基础之上，没有出现比较多的较新的方剂，应用遗传算法的数据挖掘系统在此情况下可以发挥着及其重要的作用。通过数据系统能够在药对数据库的大量数据中，找到很多隐含的、未知的、并很有应用价值的药对药组以及很多的有意义的药物组配的规则和模式。中药对数据挖掘还将为中医方剂理论研究和中医临床用药研究提供重要模式参考，也为方剂配伍理论研究，尤其是新药对、新药组发现研究提供新方法和现代技术手段。 在系统进行数据挖掘过程中，为了减少对事务数据库的扫描、提高挖掘效率，本文先把事务数据库转化成位图矩阵，然后再在此位图矩阵上挖掘有趣的强双向关联规则。下面是对位图矩阵模型的描述。 用Ik(k为自然数)表示事务数据库中的一项，I1、I2、…、Ik、…、In表示事务数据库中的所有项。用Tj(i1,i2,…,ik,…,in)表示事务数据库中的一个事务，ik对应Ik，占用1位(bit),当事务Tj含有Ik这项时，Tj的ik位为1,否则为0，所以事务Tj可以用位图i1i2…ik…in来表示。T1、T2、…、Tj、…、Tm表示事务数据库中所有的事务，T1、T2、…、Tj、…、Tm都可以用位图i1i2…ik…in来表示，这样所有这些位图就构成了事务数据库的位图矩阵。