基于策略模式的中医数据挖掘平台的设计与研究

随着数据挖掘技术的发展和中医信息化的逐渐深入,很多数据挖掘方法被应用到中医研究领域.本文针对面向对象软件设计模式中的策略模式在数据挖掘科研软件平台设计开发上的应用进行了研究,并提出平台设计概要.在此基础之上,提出一种中医数据挖掘研究的思想方法:将中医问题(数据)封装、将数据挖掘方法(算法)封装,实现统一的接口,从而实现在某一类中医问题中尝试不同的数据挖掘方法、将某一种数据挖掘方法应用于不同的中医问题.基于上述思想方法,实现了中医数据挖掘平台,用于中医相关领域的数据挖掘研究.     

中医诊疗决策支持系统中的OLAP与DM融合

提出了一种基于数据仓库、在线分析处理及数据挖掘的中医诊疗决策支持系统的解决方窠，该方案很好地融合了中医个体化诊疗的特点。结合实际应用详细讨论了中医诊疗数据仓库建立、OLAP实现的关健问题和数据挖掘的应用主题，设计了集成化的中医诊疗决策支持系统的3层体系结构，同时给出了实现案例。     

云计算环境下面向领域的数据挖掘服务平台研究

为促进数据挖掘开发及其商业应用,采用云计算技术、领域工程和数据挖掘等技术,结合领域驱动设计和云计算框架,提出了一种面向领域的数据挖掘云平台框架,并阐述了云计算环境下面向领域的数据挖掘服务的机理.定义了面向领域的数据挖掘云平台服务开发模式,这对面向领域的数据挖掘、云计算环境下的数据挖掘服务模式以及数据挖掘服务的开发和应用都有一定的参考价值.     

基于DMX的数据挖掘算法包原型的设计与实现

数据挖掘扩展插件DMX(Data Mining extension)语言是由微软提出的在SSAS(SQL Server Analysis Services)中实现的符合OLE DB for Data Mining规范的数据挖掘语言,它提供了创建、访问和管理数据挖掘算法和信息的数据存储方式和开源的可扩展的模型调用体系.为了满足目前国内中小企业迫切需求的数据挖掘工具的应用需求,通过分层设计、逐次封装,设计并实现了一种基于DMX语言的特性和功能并具有平台无关性和应用推广性的数据挖掘算法包原型系统.通过公共测试数据验证了该原型系统的可行性和可用性.     

基于微服务的石油大数据挖掘平台

为推进大数据技术在油田领域的快速融合和应用，提出一种覆盖大数据处理整个生命周期的多功能大数据处理平台。平台融合各类大数据分析框架和机器学习框架，设计面向油田领域，能够支持实时和离线处理的数据挖掘功能。基于Docker容器封装各类计算框架和算法服务，并基于Kubernetes框架完成容器的编排与调度。在系统的架构方式上采用基于微服务的架构方式，将不同技术栈的应用独立分解为单个服务模块，以此来保证业务系统服务的可靠性、可扩展性。这使得企业数据分析人员能够专注于业务数据分析问题，而不必花费大量时间学习框架部署和其他大型数据挖掘技术细节。     

基于Caché数据库的中医诊断数据挖掘应用研究

概述了基于Caché数据库的中医诊断数据挖掘应用研究的基本思路与方法,表达了以"证候-证素-证型辨证统一体系"为切入点开展中医诊断研究的可达到的目标.通过建立通用病历信息文件结构,整合数据挖掘工具,搭建了一个用于开展中医诊断研究的数据挖掘科研平台,为科学深入地开展中医诊断研究提供了一种途径.     

面向数据挖掘的教学系统的设计与实现

由于数据挖掘技术具备从大量数据中提取特定数据模型的优势,已得到广泛的认可和应用。目前,数据挖掘在教育领域中应用的主要热点之一是如何构建面向数据挖掘的教学系统的研究。介绍一种面向数据挖掘技术的教学网站的设计思想和实现方法。该网站实现传统教学系统的通用模块,并增加对教学日志的支持功能。该功能为数据挖掘研究提供实验数据和实践平台。     

数据挖掘集成技术研究

数据挖掘的集成实现是目前研究的一个重要方向。从数据挖掘算法的集成及数据挖掘与其它技术的集成两个方面介绍了研究领域中的一些思想和实现的方法，其中数据挖掘方法的集成有水平集成和垂直集成两种类型。数据挖掘与其它技术（如数据库和数据仓库）的集成有松散方式，紧耦合和“黑箱”方式，紧耦合方式是集成发展的方向。     

基于MapReduce的数据挖掘平台设计与实现

MapReduce编程模型的简单性和高性价比使得其适用于海量数据的并行处理.然而,MapReduce欠缺对多数据源、组件复用以及数据可视化支持,这些缺点使用户在运用MapReduce框架进行数据挖掘时暴露出开发效率低下,重复开发等问题.提出了一种基于MapReduce的数据挖掘平台的设计与实现,该设计思想为Hadoop作为大规模数据计算平台在数据挖掘、数据可视化以及商业智能应用方面的不足提供了参考与弥补.同时,基于该方法实现了一个大规模数据挖掘工具.     

DMVisualMiner:一个可视化数据挖掘分析平台

DMVisualMiner是将可视化技术应用于数据挖掘领域而开发的一个数据分析平台.可视化数据挖掘主要应用在4个方面数据准备阶段的可视化、模型生成阶段的可视化、结果呈现阶段的可视化、数据挖掘流程的可视化.实现了对数据挖掘各个方面的可视化,同时DMVisualMiner采用构件的设计方法,利用插件的概念增强了系统的可扩展性,设计并实现了基于XML的模型表示方法,使得DMVisualMiner能够和预言模型系统集成,并能在网络环境下发布.     

中药复方配伍多维分析系统中数据库的设计

为了揭示中药复方配伍规律,开发了中药复方配伍多维分析系统.由于中药数据涉及大量自然、人文知识,在系统中需要处理这些错综复杂的关系,因此设计存储这些复杂数据的数据库是个挑战性的工作.给出了中药复方配伍多维分析系统的分析流程,解释了中药信息的特点,详细分析了存储中药信息数据库子系统的设计.把存储子系统数据库子系统分为输入表、输出表、药物基本信息表、预处理表和临时表5类,使系统具有灵活性,可扩展性,较少的冗余、较快的处理速度,满足了多维数据分析的需要.     

数据挖掘技术在中药自动发药系统中的应用

在对中药自动发药系统的发药流程以及对数据挖掘技术的概念、常用分析方法和挖掘过程等知识进行简单介绍的基础上, 探讨了数据挖掘技术在中药自动发药系统中的应用,提出了较好的解决中药自动发药系统效率的策略.     

中药化学数据库关联规则的挖掘

数据挖掘是一种新兴的信息处理技术,本文将其中的关联规则运用到中药化学数据的处理,对其中的中医药效、植物科属、化学成分的活性、中药提取物现代药理等数据进行了维间关联规则的挖掘,找到了一系列的强规则,并对这些规则进行了分析,得到了其中有趣的关联规则,同时该关联规则的结果也说明了中药和西药在药效概念上的差异。该结果对于中药现代化,植物化学等相关的研究提供了一种新的思路。     

中医方剂与图集的转换方法

中药复方数据挖掘研究是将我国丰富的中药信息资源和现代最新信息技术相结合的重要内容,它意味着基于中医理论,利用知识发现技术,对传统中药新药、中医组方理论及规律、中药作用机制、有效成分构效关系等多个方面进行全面、系统的研究。图作为一种经典的数据结构,被广泛用于复杂数据结构分析与建模。文章探讨了图建模技术并实现了中医方剂与图集的转换。     

中医经络数据的缺失值填补及可视化

随着中国文化的不断发展与弘扬,中医经络作为中国传统文化的精髓受到越来越多人的关注和认可。然而,在经络数据采集的过程中,不可避免地造成数据的缺失,影响了数据的下一步处理。同时,由于经络数据具有维度高、时序长等特点,传统的数据挖掘方法很难处理。本文提出一种对缺失经络数据的可视化分析框架,实验结果表明,利用的可视化分析框架,有效地弥补了数据缺失带来的损失,并且通过可视化展示可挖掘出经络数据中的一些隐藏规律。     

一种面向中医药领域的二维最大频繁项集挖掘算法

在中医药领域挖掘药组频繁项集时发现,尽管有些项集的支持度比人们需要的频繁项集的支持度高很多,但这些项集并不是人们感兴趣的,即过分频繁反而变得平凡.本文引入支持度区间的概念,提出了适合中药数据挖掘的二维TCM-FP森林结构及其建树算法.在针对疾病症状的中药药组挖掘过程中,采用优化的搜索策略开发了基于支持度区间的TCMA维间最大频繁项集挖掘算法.这种算法既缩小了挖掘的范围又提高了规则的意义,并且具有较高的执行效率.     

中药特性信息数据挖掘系统设计

为推动传统中医药的研究与临床应用,开发从中药药方中挖掘方剂药理信息的软件系统,阐述该软件系统的系统结构、数据库设计、预处理设计。采用归一化数据处理技术与统计技术相结合的方法,挖掘出中药方剂的性、味、归经。采用空间矢量量化方案,结合传统中药理论,挖掘出中药方剂的功效。     

高效中药关联规则发现算法研究及应用

将关联规则发现算法引入到中药配方数据库的数据挖掘中,以求发现方剂中单方之间的关联规则及中药中的药对药组,可以为中药中新药的研制提供重要依据。由于常用的关联规则发现算法：Apriori算法存在多次扫描数据库的缺陷,提出了一种基于矩阵的关联规则发现算法：Apriori_Matrix算法,该算法优化了Apriori算法中集合连接过程多次比较所花费的时间,可极大地提高关联规则挖掘的效率。针对中药数据库中单方的种类有限、配伍规则各不相同、同一种病症对应多种方剂的情况,改进算法有助于缩短新药研制的周期。     

基于属性归纳的中药方剂数据挖掘

传统的面向属性归纳技术（AOI）存在概化粗糙及算法效率较低等缺陷。为适应中药方剂数据挖掘的复杂需求，提出基于中药数据驱动的属性关联概化算法；为关联的维度创建概念树，利用关联属性与基准属性的相关性以提高归纳的效率，实现了面向属性关联归纳的数据挖掘系统TCMDBMiner。实验结果表明，新算法较传统算法的归纳概化效率提高了23%以上，挖掘结果符合中医理论。