Page 30 - 《中国药房》2020年第24期
P. 30

本课题组根据策略模式思想，研发了 TCMDP 这一                       算法优选出最佳的密度半径，进而消除截断距离对
        软件，其中封装了频次统计、关联、聚类、分类等多个方                           DPCA算法局部密度的影响。
        法，在每个不同的方法里面又有多个不同的算法（如图3                               为 使 DBSCAN 算 法 优 选 出 最 佳 的 密 度 半 径 ，
        所示）。以聚类挖掘为例，其功能操作界面如图4所示。                           CMC-DD 算法首先根据文献算法 优选出最佳密度参
                                                                                         [10]
                                                            数（ε r ）来计算每个数据对象的局部密度（ρ），再计算出每
                         统计挖掘               频次统计
                                                            个数据对象的聚类中心距离（δ），计算出ρ·δ的标准差
                         关联挖掘          Apriori算法、WD-Get rules等
                                                           （STD），选出满足条件 STD 值最大的 k（簇类数）个点作
                                                            为聚类中心，最后把剩余的点划分到相邻最近的类中。
          数据挖掘方法         聚类挖掘         K-means算法、CMC-DD算法等
                                                                ①CMC-DD 算法基本概念如下：以ρ表示数据对象
                         分类挖掘          决策树算法、贝叶斯算法等
                                                            的局部密度，δ表示数据对象的聚类中心距离，设样本数
                                                            据集合：G＝{x1，x2，……，xn}。
                          ……                 ……
                                                                定义 1（欧氏距离）——属于常见距离度量中的一
                图3 TCMDP的数据挖掘方法示意图
                                                            种，衡量的是空间中两点x和y间的直线距离，其计算公
        Fig 3 Schematic diagram of data mining method of
               TCMDP                                        式如下：
                                                                        √  n  n     2
                                                                d（x，y）＝ ∑ ∑ （xi－yj ） …  … … … … … … … … （1）
                                                                         i＝1 j＝1
                                                                定义 2（局部密度）——数据对象 xi的局部密度ρ i的
                                                            计算公式如下：
                                                                         －d（xi，xj ）
                                                                ρi＝∑xj∈Ωe  |Ω|  … … … … … … … … … … … … … … （2）
                                                                式（1）（2）中Ω为ε r的邻域，|Ω|为Ω内数据点数目，
                                                            d（xi，xj ）为数据点xi与xj间的欧氏距离。
                                                                定义3（聚类中心距离）——聚类中心距离δ i的计算
                图4   TCMDP中聚类挖掘功能界面图
                                                            公式如下：
        Fig 4  Clustering mining function interface diagram         min
               of TCMDP                                               j  ρi＜ρj[d（xi，xj ）] i≥1
                                                                δi＝ {                       … … … … … … （3）
        1.2  数据挖掘方法示例                                                max  ρid（xi，xj ）ρi＝max
            在本研究中，以治疗 PHC 的中药处方为例，采用                                  j
                                                                定义4（聚类中心选择的约束条件）——聚类中心选
        TCMDP 软 件 中 最 常 用 的 CMC-DD 算 法 [Clustering
                                                            择的约束条件的计算公式如下：
        method combining DBSCAN and DPCA，即融合了基于
                                                                Φ＝ρiδi …  … … … … … … … … … … … … … … … （4）
        密度噪声应用的空间聚类算法（Density based spatial
                                                                式（3）（4）中，ρ i δi为每个数据点的局部密度ρ i与聚类
        clustering of applications with noise，DBSCAN）和密度峰
        值聚类算法（Density peaks clustering algorithm，DPCA）      中心距离δi的乘积形成的列表数据。
        的 改 进 聚 类 算 法]、WD-Get Rules 算 法（Width and               ②CMC-DD具体算法流程：CMC-DD聚类算法能够
        depth-get rules，即融合了深度和宽度搜索的改进关联规                   很好地解决截断距离参数的影响，且无需人为干扰算法
        则算法）和频次统计方法，对此类处方的配伍规律进行                            聚类中心的选择，其具体算法流程见图5。
        分析。                                                 1.2.2 WD-Get Rules算法
        1.2.1 CMC-DD算法                                          WD-Get Rules 算法为本课题组设计的改进关联规
            CMC-DD 算法是融合了 DBSCAN 算法和 DPCA 算                 则算法，可以更加有效地挖掘出隐藏在数据集中有意义
        法的改进聚类算法。DPCA算法可以快速地发现数据集                           的关系。该算法首先采用宽度优先的策略，找出能作为
        的密度峰值点，并能高效地分配样本点和剔除离群点，                            强关联规则的后件集H，该集合中每个后件为1项集，以
        在社区发现、图像处理、计算机视觉和文本处理等领域                            H 为基准，采用集合枚举树的关联规则进行深度搜
                                                              [11]
        得到广泛应用，但是截断距离会对其聚类结果产生影                             索 。不同于集合枚举树的关联规则，WD-Get Rules算
          [8]
        响 ；DBSCAN算法是基于密度的聚类算法，它不需要预                         法在进行深度搜索时，规则后件仅源自于H中所含有的
        先指定聚类的簇数，能够在含有噪声的数据集中发现任                            元素，这样可避免不能作为规则后件的元素；且若项集
        意数量和形状的簇，所以在聚类分析中有着广泛的应                             是频繁 k（k＞2）项集，H 中的元素个数大于 1，才进行深
        用 [9-10] 。为了消除截断距离对 DPCA 算法聚类结果的影                   度搜索，否则对下一个频繁项集进行操作，其具体算法
        响，本研究提出了CMC-DD算法，即主要利用DBSCAN                        流程详见文献[12]。


        ·2968 ·  China Pharmacy 2020 Vol. 31 No. 24                                 中国药房    2020年第31卷第24期
   25   26   27   28   29   30   31   32   33   34   35