基于SQL Server 2005中药指纹图谱数据挖掘方法研究

摘要

本文阐述了数据挖掘的简明历史、数据挖掘的意义和目的、数据挖掘的方法和挖掘平台以及数据挖掘在药物分析中的应用，并对中药指纹图谱的定义、中药指纹图谱的评价方法、中药指纹图谱相关技术的意义及发展现状做了分析和论述。 本课题以SQLServer2005BusinesIntelligence操作平台，用10批次苦碟子注射液的中药指纹图谱多维多息特征参数、实验条件以及药材的基本信息等数据构建了中药指纹图谱的数据仓库，利用近些年发展起来的数据挖掘技术及相关统计算法对10批次苦碟子注射液指纹图谱的37个多维多息特征参数进行挖掘分析。 通过SQLServer2005自带的数据挖掘服务，建立针对中药色谱指纹图谱的“Microsoft决策树”和“Microsoft聚类分析”两种数据挖掘模型。通过对“Microsoft决策树”挖掘模型进行分析，得到对中药指纹图谱评价影响较大的多维多息特征参数及分数，Fr(q)，Fr，Ir(q)，Ir，∑Ri，N，∑Ai，δ，A_geo，A_avg分数为1.0。通过对“Microsoft聚类分析”挖掘模型进行分析，得到较好苦碟子注射液指纹图谱的参数范围，∑Ai值在12853.6—12923.3范围内，A_geo值在127.6—128.4范围内，A_avg值在476.0-478.6范围内，Ir(q)值在1290.6—1292.4范围内，Fr值在2033.3—2039.8范围内，Fr(q)值在2191.3—2196.0范围内，∑Ri值在279.4—281.3范围内，Ir值在1200.4—1205.1范围内等。这使获得评价苦碟子注射液中药指纹图谱参数成为可能，初步确定较好的苦碟子注射液中药指纹图谱的参数范围，为今后评价苦碟子注射液提供理论依据。 同时也为利用计算机技术分析评价指纹图谱、建立标准的指纹图谱提供理论参考和实践探索。

目录

文摘

英文文摘

声明

第1章绪论

1.1中药指纹图谱数据挖掘概述

1.2数据挖掘技术的由来

1.3数据挖掘定义及含义

1.4数据挖掘与传统分析方法的区别

1.5数据挖掘和数据仓库

1.6数据挖掘和联机分析处理

1.7数据挖掘、机器学习和统计

1.8数据挖掘在药物分析中的应用

第2章数据挖掘方法与挖掘平台

2.1数据挖掘的方法

2.1.1决策树(Decision Tree)

2.1.2人工神经网络(Artificial Neural Network)

2.1.3分类(Classification)

2.1.4回归(Regression)

2.1.5时间序列分析(Time-series analysis)

2.1.6预测(Prediction)

2.1.7聚类(Clustering)

2.1.8汇总(Characterization)

2.1.9关联分析(Association analysis)

2.1.10序列发现(Sequence)

2.2数据挖掘的流程

2.3数据挖掘平台

第3章中药指纹图谱简介

3.1中药指纹图谱定义、特点及意义

3.2中药指纹图谱分类

3.3中药指纹图谱评价方法进展

第4章中药指纹图谱数据仓库中数据挖掘的实现

4.1基于SQL Server 2005的数据挖掘解决方案

4.1.1创建数据仓库

4.1.2联机分析处理

4.1.3构建和训练数据挖掘模型

4.1.4分析与前端展示

4.2基于SQL Server 2005的中药指纹图谱数据挖掘系统构建

4.2.1数据及开发工具

4.2.2数据源系统

4.2.3数据仓库

4.2.4联机分析处理(OLAP)、数据挖掘和部署

4.2.5用户端系统

第5章中药指纹图谱数据挖掘实例

5.1实验材料

5.2实验条件

5.3实验数据

5.4数据库的创建

5.4.1创建数据库

5.4.3实验数据录入

5.5数据挖掘项目建立

5.5.1创建新的Analysis Services项目

5.5.2创建数据源

5.5.3创建数据源视图

5.5.4创建挖掘结构

第6章结论

参考文献

发表文章目录

致谢

附录 SQL Server 2005数据库的安装