bs结构的设计与实现

《bs结构的设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Bs结构的设计与实现本课题的目的是运用数据挖掘技术探索针灸处方配伍规律的获取途径。数据挖掘技术能够获取针灸处方研究的挖掘模式，为针灸处方配伍规律研究提供有效、可行的数据分析途径。并且在不同的疾病中，可得到相关疾病之间不同用穴的影响程度以及分析出该类疾病的用穴规律。　　用现代科学技术来分析针灸处方，揭示其内在的配伍和应用规律是当前针灸领域研究的热点问题。目前在针灸领域运用数据挖掘技术的应用较少,尚处于起步阶段，其前景广阔，同时充满挑战。因此在这一领域的研究中，我们既要看到已取得的成果，也要看到当前存在的问题和不足。例如，在数据的上，研究

2、者多是从针灸处方教材中选取某证的配伍用穴进行挖掘分析，其样本量较小，研究的结果缺乏足够的说服力和可信性，所以准确、可靠的信息抽取工作十分必要，以建立相对完备的针灸处方数据仓库。此外存在的问题，即对于挖掘出的理论结果缺乏权威的中医理论和临床分析验证，也需要进一步的实验研究筛选。　　关联分析的优势在于，可以从大量、多维数据中分析存在于其中任何关联规则，关联规则的发现具有普遍性。1.2数据挖掘的发展历史及国内外研究现状　　而数据挖掘技术的诞生，为针灸处方数据的分析带来新的研究思路，从针灸处方数据的特点以及数据挖掘的功能来看，二者是相符合的，

3、采用数据挖掘技术来分析针灸处方数据是可行的。　　　数据挖掘从1989年被提出来以后,便迅速成为研究热点,广泛用于商务管理、生产控制、市场分析、工程设计和金融风险预测、分子生物学、基因工程等领域。1.3数据挖掘技术在医学领域中的研究现状及意义部分学者利用关联聚类算法对医院病人的流量信息进行了分析，从而为提升医院服务质量和管理水平服务；1.4本文的研究内容及论文结构　　第二章介绍了在本文中运用的国内外相关技术，其中包括数据仓库和数据挖掘技术的概述、数据挖掘工具s)分类分析(elassifiers)聚类分析(elustering)　　　（l

4、）关联分析　　　关联分析的目的是挖掘出数据间有关联且不易被发现知识之间的数据。　（2）序列模式分析　　　序列模式分析也是挖掘数据间隐藏的、不易发现知识之间的相互关系，但其侧重点在于分析数据间的因果关系，如用户在选购某种商品之前最常购买的其它与之相关的商品是什么。2.2.4基于数据仓库的数据挖掘　　　进行数据挖掘的首要任务是确定挖掘对象。数据仓库作为数据挖掘的对象，为数据挖掘提供了理想的挖掘平台，由于数据挖掘处理的数据是经过数据仓库预处理的，像是数据的搜集、集成、保存、降噪等处理，使数据挖掘更专注于对知识的发现。　　5.1工作总结　　　

5、作为新兴的数据分析技术—数据挖掘技术，是一种应用型的数据分析技术，它取得了令人瞩目的研究成就，且已成功应用到银行、保险、医院、交通等领域。本文分析提出了将数据挖掘技术应用于针灸领域研究中的一种新思路，并提出了依照这一新思路的解决方案。　　　本文通过对数据挖掘中各种算法的比较，选择了适合针灸处方分析模型的关联规则和聚类分析算法，利用数据挖掘中的挖掘工具WEKA实现了关联规则在针灸处方分析中的应用，并用聚类算法对结果进行进一步的分析。　　　在最后的实现过程中，我们得到了很多有价值的结论，这对我们的针灸临床起到了一定的指导作用。5.2工作展

6、望　　　通过本文的研究，初步实现了数据挖掘技术在针灸处方配伍研究中的应用。　　　（2）在对关联规则挖掘结果的研究中，发现产生的规则还是有一定的误差，究其原因，我认为在数据集中的属性字段选择上，还有许多影响针灸处方的因素没有考虑到，针灸处方的信息内容还不够全面，所使用的数据集可能还不是最佳数据集，这一点有待将来进一步研究。　　（3）数据挖掘算法改进。本研究采用的数据挖掘算法为Apriori算法。Apriori算法是关联规则的经典算法，但是存在着可能产生大量候选集和需要重复扫描数据库的缺点，对算法进行优化和改进，以提高研究效率，是下一步需

7、要重点研究的内容。