基于熵聚类与apriori算法的脾虚型泄泻用药规律研究(2)
| 第1页 |
参见附件。
1.4.3 新方分析 首先进行基于聚类分析的“新方分析”，在聚类分析前，选择一定的“相关度”和“惩罚度”，然后提取组合，并得出“药对系数”，发现新方(核心算法是无监督的熵聚类[3])。
1.4.4 类方分析 以四君子汤为例进行“方剂匹配”分析，选择相似度阈值为0.5，得到与四君子汤药物组成匹配的方剂及其相似度，并以Excel格式导出。
2 结果
2.1 用药分析
对《中医方剂大辞典》中治疗脾胃虚弱之泄泻的1185首方剂中包含的815味中药进行药物频次统计，得到频次≥50次的药物33味，见表1。
2.2 基于apriori算法组方规律分析
将筛选出的方剂进行组方规律分析，支持度设为20，置信度设为0.9，共计数据408条，包含中药46味。
2.2.1 药对分析 通过聚类分析得出，用药模式中治疗脾胃虚弱之泄泻的方剂中药对组合共215对，出现频次≥50次的药对见表2。
2.2.2 药物组合分析 通过复杂系统熵聚类，用药模式中治疗脾胃虚弱之泄泻的方剂中3种及以上药物组合共193组，出现频次≥40次的药物组合见表3。
2.2.3 关联规则分析 对以支持度≥20%、置信度≥0.9筛选出的方剂进行关联规则分析，见表4。对其中支持度≥50%、置信度≥0.9的分析结果进行网络可视化展示，见图1。
2.3 基于熵聚类的新处方分析
根据本次治疗脾虚型泄泻方剂数量 ......
您现在查看是摘要介绍页，详见PDF附件。