Luận văn khai phá luật kết hợp mờ,ứng dụng kiểm chứng các loại thuốc trong đơn thuốc bệnh

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM HÀ NỘI NGÔ DUY TRUNG KHAI PHÁ LUẬT KẾT HỢP MỜ, ỨNG DỤNG KIỂM CHỨNG CÁC LOẠI THUỐC TRONG ĐƠN THUỐC – BỆNH LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH HÀ NỘI, 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM HÀ NỘI NGÔ DUY TRUNG KHAI PHÁ LUẬT KẾT HỢP MỜ, ỨNG DỤNG KIỂM CHỨNG CÁC LOẠI THUỐC TRONG ĐƠN THUỐC – BỆNH Chuyên ngành: Khoa học máy tính Mã số: 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Ngƣời hƣớng dẫn khoa học: PGS TS Lê Huy Thập HÀ NỘI, 2018 LỜI CÁM ƠN Với biết ơn sâu sắc lịng kính trọng, em xin chân thành cám ơn PGS TS Lê Huy Thập, người tận tình hướng dẫn giúp đỡ em suốt q trình hồn thành luận văn Em xin chân thành cám ơn thầy cô khoa Công nghệ thông tin, phòng Sau đại học trường Đại học Sư phạm Hà Nội 2, thầy cô trực tiếp giảng dạy học phần khóa học tạo điều kiện thuận lợi cho em trình học tập nghiên cứu trường Xin chân thành cảm ơn gia đình, bạn bè, đồng nghiệp quan tâm, giúp đỡ em thời gian nghiên cứu hoàn thành luận văn Trong q trình nghiên cứu, luận văn khơng tránh khỏi thiếu sót Rất mong nhận góp ý q thầy bạn bè đồng nghiệp quan tâm đến luận văn Hà Nội, tháng năm 2018 Tác giả Ngô Duy Trung LỜI CAM ĐOAN Tôi xin cam đoan kết nghiên cứu hướng dẫn khoa học PGS TS Lê Huy Thập Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Hà Nội, tháng năm 2018 Tác giả Ngô Duy Trung MỤC LỤC LỜI MỞ ĐẦU 1 Lý chọn đề tài Mục đích nghiên cứu (Các kết cần đạt được) Nhiệm vụ nghiên cứu Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Giả thuyết khoa học Cấu trúc luận văn CHƢƠNG CƠ SỞ LÝ THUYẾT 1.1 Lý thuyết tập mờ 1.1.1 Định nghĩa 1.1.2 Các phép toán tập mờ 1.2 Tổng quan kho liệu khai phá liệu 1.2.1 Tổng quan kho liệu 1.2.2 Tổng quan khai phá liệu 10 KẾT LUẬN CHƢƠNG 22 CHƢƠNG PHÁT HIỆN LUẬT KẾT HỢP MỜ TRONG KHAI PHÁ DỮ LIỆU 23 2.1 Giới thiệu hệ thống thông tin mờ 23 2.2 Phát luật kết hợp mờ dựa hệ thống thông tin mờ 25 2.2.1 Các véc tơ mờ phép toán 25 2.2.2 Thuật toán Apriori Apriori - TID khai phá luật kết hợp mờ 26 KẾT LUẬN CHƢƠNG 43 CHƢƠNG LẬP TRÌNH TÌM LUẬT KHAI PHÁ MỜ KIỂM CHỨNG ĐƠN THUỐC 44 3.1 Các phương pháp cho đơn thuốc theo bệnh 44 3.2 Lập trình demo 45 3.2.1 Giới thiệu toán 45 3.2.2 Sơ đồ thuật toán 46 3.2.3 Các giao diện kết chương trình demo 46 KẾT LUẬN CHƢƠNG 54 KẾT LUẬN 55 DANH MỤC CÁC TÀI LIỆU THAM KHẢO 56 DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Ý nghĩa Ký hiệu CSDL Cơ sở liệu D Cơ sở liệu giao dịch DL Dữ liệu DM Data mining (khai phá liệu) KDD Knowledge discovery (phát tri thức) KPDL Khai phá liệu DWT Kỹ nghệ kho liệu DW Kho liệu Θ Độ hỗ trợ (support) β Độ tin cậy (confidence) ∩ Phép giao ∪ Phép hợp ∅ Tập rỗng ⊆ Tập ϵ Thuộc Ck Tập k-itemset ứng viên TID Tập giao dịch DANH MỤC CÁC BẢNG Bảng 2.1 Dữ liệu thuốc tương ứng với dj 30 Bảng 2.2 Dữ liệu thuốc tương ứng với oi 30 Bảng 2.3 Dữ liệu bảng Bài thuốc – Thuốc 30 Bảng 2.4 Bảng hệ thông tin mờ 31 DANH MỤC CÁC HÌNH VẼ Hình 3.1 Giao diện chương trình 47 Hình 3.2 Giao diện liệu kết demo 47 Hình 3.3 Cửa sổ nhập số lượng item 48 Hình 3.4 Cửa sổ nhập số lượng object 48 Hình 3.5 Cửa sổ nhập độ hỗ trợ 48 Hình 3.6 Cửa sổ nhập độ tin cậy 49 Hình 3.7 Cửa sổ nhập liệu vào cột hàng bảng liệu vào 49 Hình 3.8 Cửa sổ nhập liệu vào cột hàng bảng liệu vào 49 Hình 3.9 Cửa sổ nhập liệu vào cột hàng bảng liệu vào 50 Hình 3.10 Cửa sổ nhập liệu vào cột hàng bảng liệu vào 50 Hình 3.11: Giao diện kết với liệu đầu vào hàng, cột 51 Hình 3.12: Giao diện kết với liệu đầu vào hàng, cột 52 Hình 3.13: Giao diện kết với liệu đầu vào hàng, cột 53 LỜI MỞ ĐẦU Lý chọn đề tài Khai phá liệu trở thành lĩnh vực nhà khoa học quan tâm nghiên cứu tính ứng dụng cao thực tiễn sống Khai phá liệu ứng dụng rộng rãi nhiều lĩnh vực như: Tài thị trường chứng khốn, Thương mại, Giáo dục, Y tế, Sinh học, bưu viễn thơng….với nhiều hướng tiếp cận như: Phân lớp/ Dự đoán, Phân cụm, Luật kết hợp,… Trong khám bệnh, bệnh nhân thường nhận đơn thuốc – trường hợp ngoại trú phác đồ điều trị - bệnh nhân nội trú … Trong đơn thuốc thường có kết hợp loại thuốc để tăng dược tính nâng cao hiệu điều trị Vì người ta muốn biết loại thuốc đơn – phác đồ điều trị có hợp lý hay khơng Điều cần đến hỗ trợ hệ chuyên gia khai phá liệu, đặc biệt khai phá luật kết hợp mờ Mục đích nghiên cứu (Các kết cần đạt đƣợc) Khai phá luật mờ thuật toán liên quan như: Apriori, Apriori-TID Lập trình kiểm chứng đơn thuốc theo luật kết hợp mờ Nhiệm vụ nghiên cứu Khai phá luật kết hợp mờ Các thuật tốn Apriori, Apriori-TID trường hợp mờ Ngơn ngữ lập trình Đối tƣợng phạm vi nghiên cứu Khai phá liệu ứng dụng Tìm hiếu loại đơn thuốc (bệnh) 43 KẾT LUẬN CHƢƠNG Trong chương luận văn giới thiệu hệ thống thông tin mờ khai phá liệu dựa hệ thống thơng tin mờ Giới thiệu trình bày thuật toán Apriori, Apriori – TID khai phá luật kết hợp mờ, thuật toán phát luật dẫn mờ, thuật toán phát luật mờ Là sở để thực demo chương 44 Chƣơng LẬP TRÌNH TÌM LUẬT KHAI PHÁ MỜ KIỂM CHỨNG ĐƠN THUỐC 3.1 Các phƣơng pháp ch đơn th ốc th ệnh Hiện nay, thuốc dùng để chữa bệnh kê đơn chủ yếu theo Đông y, Tây y thuốc dân gian … Do kiến thức khả hiểu biết có hạn nên tơi xin phép trình bày phương pháp cho đơn thuốc theo bệnh với thuốc Đông y Theo phương pháp này, nội dung thuốc thuốc xác lập, ghi nhận kết từ lâu đời qua nhiều hệ, ghi lại sách kinh điển Khi điều trị người thầy thuốc thường tăng thêm giảm bớt vị thuốc hay liều dung cho phù hợp ới tình hình thực tế bệnh nhân Phương pháp kê đơn thuốc theo lý luận Đông y Việc cấu tạo vị thuốc thuốc nhằm để giải yêu cầu đặt điều trị sau: Giải triệu chứng chính, triệu chứng thuộc nguyên nhân gây bệnh, triệu chứng tạng bệnh thể Giải triệu chứng phụ, triệu chứng tạng phủ có quan hệ với tạng phủ bị bệnh thể Tăng hoạt tính thuốc Đưa vị thuốc đến tạng phủ, kinh lạc bị bệnh Điều hịa tính vị thuốc Do vị thuốc thường đóng vai trò sau đây: Quân (Chủ dược): đầu vị thuốc dùng để chữa trị chứng chính, nguyên nhân bệnh gây ra, tạng bệnh thể Thần (Phó dược): vị thuốc có tác dụng hợp dồng hỗ trợ cho chủ dược 45 Tá (Tá dược): vị thuốc để chữa triệu chứng phụ ức chế độc tính tính mạnh bạo chủ dược Sứ (Dẫn dược): vị thuốc để đưa vị thuốc khác đến thẳng tạng phủ bệnh điều hòa vị thuốc khác tính Qn, Thần, Tá, Sứ cách nói người xưa chế độ phong kiến Coi triều đình có vua, có quan đơn thuốc phải có vị chính, vị phụ, vị chủ u, vị hỗ trợ Trong thực tế điều trị, người thầy thuốc Đơng y cịn phải ý đến nguyên tắc sau để định vị trí thuốc thuốc Tiêu hoãn cấp Chú ý đến trạng thái Hư, Thực bệnh nhân Nếu người có bẩm tố dương hư mà cảm mạo thương hàn thuốc bổ dương khí làm Qn, mà thuốc phát tán hàn làm Thần Chú ý đến phương pháp Đóng Mở điều trị Nếu có chứng âm hư sinh nội nhiệt thuốc bổ âm làm Quân thuốc tiết nhiệt làm Thần Chú ý đến giai đoạn bệnh (dành cho bệnh truyền nhiễm) Ở giai đoạn khởi phát tà khí phần Vệ, nên thuốc có tác dụng phát hãn làm Qn Ở giai đoạn tồn phát tà khí khí đấu tranh liệt, lúc phải giữ vững trừ tà khí Thần Ở giai đoạn hồi phục khí bị hao tổn, thuốc bỏ khí làm Quân Chú ý dến nguyên nhân bệnh 3.2 Lập trình demo 3.2.1 Giới thiệu toán Phát biểu toán: 46 Từ giao dịch thực tế với tập mục D = {d1, d2, …, dn} ứng với tên loại thuốc, tập giao dịch O = {o1, o2, …, on} ứng với tên thuốc minsup = θ, minconf = β Xác định luật kết hợp sở liệu cho 3.2.2 Sơ đồ thuật toán Sơ đồ thuật toán khai phá luật kết hợp mờ trình bày chương hai (dạng giả mã) Tuy nhiên để chuyển sang ngơn ngữ lập trình bậc cao khó khăn liên quan đến Đại số đại cương, logic toán học Đặc biệt để xử lý hàm thuật toán chương như: SaveLargeSet({di}, VSF,1) ; SaveDescriptorVector(vF({di}, VSF,1)) ; SaveLargeSet(T, LF,k) ; SaveDescriptorVector(vF(T), VSF,k)) ; SaveRule(X=>Y, RF,); // ghi luật X=>Y vào RF, SaveRule(Y=>X, RF,); // ghi luật Y=>X vào RF, Là điều nan giải người lập trình Tuy nhiên tác giả thực thơng qua việc nắm vững kiến thức CSDL phép toán ma trận, logic toán học tích véc tơ (theo định nghĩa nhằm phục vụ cho khai phá luật kết hợp mờ) 3.2.3 Các giao diện kết chương trình demo Giao diện chương trình (Xem hình 3.1) 47 Hình 3.1 Giao diện chương trình Hình 3.2 Giao diện liệu kết demo Các giao diện nhập liệu Cửa sổ nhập số lượng item (Xem hình 3.3) 48 Hình 3.3 Cửa sổ nhập số lượng item Cửa sổ nhập số lượng object (Xem hình 3.4) Hình 3.4 Cửa sổ nhập số lượng object Cửa sổ nhập độ hỗ trợ (Xem hình 3.5) Hình 3.5 Cửa sổ nhập độ hỗ trợ Cửa sổ nhập độ tin cậy (Xem hình 3.6) 49 Hình 3.6 Cửa sổ nhập độ tin cậy Các cửa sổ nhập liệu bảng (Xem hình 3.7 – 3.10) Hình 3.7 Cửa sổ nhập liệu vào cột hàng bảng liệu vào Hình 3.8 Cửa sổ nhập liệu vào cột hàng bảng liệu vào 50 Hình 3.9 Cửa sổ nhập liệu vào cột hàng bảng liệu vào Hình 3.10 Cửa sổ nhập liệu vào cột hàng bảng liệu vào Ta có n số lượng item object, m số lượng object Dữ liệu đầu vào chương trình với n = 6, m = 6, support = 0.5, confident = 0.6 D(1, 1) = 0.8, D(1, 2) = 0.9, D(1, 3) = 0.1, D(1, 4) = 0.2, D(1, 5) = 0.2, D(1, 6) = 0.2 D(2, 1) = 0.8, D(2, 2) = 0.8, D(2, 3) = 0.8, D(2, 4) = 0.2, D(2, 5) = 0.2, D(2, 6) = 0.2 D(3, 1) = 0.9, D(3, 2) = 0.8, D(3, 3) = 0.7, D(3, 4) = 0.6, D(3, 5) = 0.6, D(3, 6) = 0.3 D(4, 1) = 0.6, D(4, 2) = 0.6, D(4, 3) = 0.9, D(4, 4) = 0.6, D(4, 5) = 0.7, D(4, 6) = 0.5 D(5, 1) = 0.2, D(5, 2) = 0.2, D(5, 3) = 0.1, D(5, 4) = 0.7 D(5, 5) = 0.8, D(5, 6) = 0.4 D(6, 1) = 0.2, D(6, 2) = 0.2, D(6, 3) = 0.1, D(6, 4) = 0.6, D(6, 5) = 0.7, D(6, 6) = 0.5 51 Giao diện kết (xem hình 3.11) Hình 3.11: Giao diện kết với liệu đầu vào hàng, cột Dữ liệu đầu vào chương trình với n = 6, m = 5, support = 0.5, confident = 0.6 D(1, 1) = 0.8, D(1, 2) = 0.9, D(1, 3) = 0.1, D(1, 4) = 0.2, D(1, 5) = 0.2, D(1, 6) = 0.2 D(2, 1) = 0.8, D(2, 2) = 0.8, D(2, 3) = 0.8, D(2, 4) = 0.2, D(2, 5) = 0.2, D(2, 6) = 0.2 D(3, 1) = 0.9, D(3, 2) = 0.8, D(3, 3) = 0.7, D(3, 4) = 0.6, D(3, 5) = 0.6, D(3, 6) = 0.3 D(4, 1) = 0.6, D(4, 2) = 0.6, D(4, 3) = 0.9, D(4, 4) = 0.6, D(4, 5) = 0.7, D(4, 6) = 0.5 D(5, 1) = 0.2, D(5, 2) = 0.2, D(5, 3) = 0.1, D(5, 4) = 0.7 D(5, 5) = 0.8, D(5, 6) = 0.4 52 Giao diện kết (xem hình 3.12) Hình 3.12: Giao diện kết với liệu đầu vào hàng, cột Dữ liệu đầu vào chương trình với n = 4, m = 3, support = 0.5, confident = 0.6 D(1, 1) = 0.8, D(1, 2) = 0.9, D(1, 3) = 0.1, D(1, 4) = 0.2 D(2, 1) = 0.8, D(2, 2) = 0.8, D(2, 3) = 0.8, D(2, 4) = 0.2 D(3, 1) = 0.9, D(3, 2) = 0.8, D(3, 3) = 0.7, D(3, 4) = 0.6 53 Giao diện kết (xem hình 3.13) Hình 3.13: Giao diện kết với liệu đầu vào hàng, cột 54 KẾT LUẬN CHƢƠNG Chương luận văn giới thiệu phương pháp cho đơn thuốc theo bệnh đơng y Chương trình demo để thực cần phân tích tỉ mỉ thuật tốn ánh xạ lệnh giả mã vào lệnh ngôn ngữ bậc cao Ánh xạ – nhiều nên khó khăn tốn nhiều thời gian công sức Tuy nhiên em thực theo yêu cầu thầy hướng dẫn Kết demo gồm liệu demo (cho sẵn) liệu nhập từ bàn phím: nhập Items, Objects, Support, Confidence Database … Tuy gặp nhiều khó khăn với cố gắng em hoàn thành tốt phần demo (theo lời thầy hướng dẫn) Từ chương trình demo đưa nhìn rõ ràng ứng dụng thuật toán apriori việc phát tập dẫn phổ biến mờ, luật mờ ứng dụng thực tế 55 KẾT LUẬN Những vấn đề đạt đƣợc Đưa nhìn tổng quan tập mờ: định nghĩa, đặc trưng, phép toán tập mờ Giới thiệu khai phá liệu định nghĩa, kỹ thuật, phân loại Giới thiệu hệ thống thông tin mờ khai phá liệu hệ thống thông tin mờ Giới thiệu trình bày thuật tốn Apriori, Apriori-TID phai luật kết hợp mờ Lập trình demo ứng dụng thể thuật toán Apriori khai phá luật kết mờ Hạn chế luận văn Một số vấn đề đưa nghiên cứu, phân tích đề tài chắn vấn đề chưa giải triệt để, thỏa đáng Tôi hi vọng nhược điểm, thiếu sót đề tài khắc phục tiếp tục nghiên cứu sau Hƣớng phát triển Lập trình hồn chỉnh thuật tốn trình bày Đưa ứng dụng tiến tới sử dụng vào thực tế hiệu 56 DANH MỤC CÁC TÀI LIỆU THAM KHẢO [1] Lê Huy Thập, Giáo trình kỹ thuật lập trình, Tập 1, NXB Khoa học tự nhiên công nghệ, 10/2008 [2] Lê Huy Thập, Cơ sở lý thuyết song song NXB Thông tin Truyền thông , tái lần 1, 2011 [3] Lê Huy Thập, Toán rời rạc, Tập 1, Bài giảng Học viện cơng nghệ Bưu viễn thơng, 2009 [4] Lê Huy Thập, Hệ chuyên gia, Bài giảng cho lớp đại học ĐH Sư phạm Hà Nội 2, 2006 [5] Lê Huy Thập, Khai Phá Dữ Liệu, Bài giảng cho lớp cao học ĐH Sư phạm Hà Nội 2, 2012 [6] Lê Huy Thập, Hê hỗ trợ định, Bài giảng Học viện cơng nghệ Bưu viễn thơng, 2006 [7] R.Agrawal and R.Srikant (1998), “Mining quantitative association rules in large relationals tables” [8] R.Agrawal, R.Srikant (1994), “Fast Algorithms for Mining Association Rules”, In Proc of the 20th International Conference on Very Large Databases, Santiago, Chile [9] Rakesh Agrawal, John Shafer (1996), “Parallel mining of association rules: Design, implementation and experience”, Research Report RJ 10004, IBM Almaden Research Center, San Jose, California [10] D.L.Olson, Yanhong Li (2007), “Mining Fuzzy Weighted Association Rules”, Proceedings of the 40th Hawaii International Conference on 57 System Sciences [11] Gyenesei A (2000), “Mining weighted association rules for fuzzy quantitative items”, TUCS Technical Report No 346 [12] D.B.Skilicorn (1999), “Strategies for Parallel Data Mining”, External Technical Report [13] Jiawei Han and Micheline Kamber (2006), Data Mining: Concepts and Techniques, University of Illinois, Morgan Kaufmann [14] R.Agrawal, T.Imielinski, and A.Swami (1993), “Mining association rules between sets of items in large databases,” in Proc Of the 1993 ACM SIGMOD Conference [15] R.Agrawal, Association R.Srikant (1994), “Fast Algorithms for Mining ... TID khai phá luật kết hợp mờ 26 KẾT LUẬN CHƢƠNG 43 CHƢƠNG LẬP TRÌNH TÌM LUẬT KHAI PHÁ MỜ KIỂM CHỨNG ĐƠN THUỐC 44 3.1 Các phương pháp cho đơn thuốc theo bệnh. .. đoán, Phân cụm, Luật kết hợp, … Trong khám bệnh, bệnh nhân thường nhận đơn thuốc – trường hợp ngoại trú phác đồ điều trị - bệnh nhân nội trú … Trong đơn thuốc thường có kết hợp loại thuốc để tăng... SƢ PHẠM HÀ NỘI NGÔ DUY TRUNG KHAI PHÁ LUẬT KẾT HỢP MỜ, ỨNG DỤNG KIỂM CHỨNG CÁC LOẠI THUỐC TRONG ĐƠN THUỐC – BỆNH Chuyên ngành: Khoa học máy tính Mã số: 48 01 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH