新闻中心

中药指纹图谱的数据挖掘

目前，中智药业已针对中药破壁饮片、中药指纹图谱质量控制和中成药二次开发等多项核心技术提交了专利申请，从中药产品、生产工艺、质量控制、产品包装等多个维度开展专利布局，并且尝试基于已授权专利逐步构建专利池，以期在全面保护公司创新成果的同时，为未来开展中药领域的专利运营奠定基础。

构效关系研究：通过软件工具和化学计量学方法（如多元统计回归分析）建立构效关系模型，这些模型揭示了分子结构与生物活性间的关联。现代研究倾向于使用二维、三维药效团指纹图谱，以直观地度量结构相似性，如特征树等技术也在广泛应用。

面对处方来源的4种渠道 人们似乎别无选择，可供选择的新药处方主要来源为① 古代方剂数据库管理系统研究；② 古代方剂数字化、智能化知识挖掘系统研究。而少数有识之士已开始探索新的处方来源方式。

小O地图-数据挖掘

小O地图是一款强大的互联网地图工具，专注于地图数据的挖掘、处理、分析和可视化。截止2020年4月，其功能特色主要体现在以下几个方面： POI数据：从创建POI任务开始，用户可以选择多种数据获取方式，如关键字搜索、多边形范围定位或沿路周边查找。

小O地图支持全国省、市、区三级行政区图表展示，支持任意选择行政区，支持多种行政区级别混合显示。操作步骤：登陆小O地图后，新建任务，选择“地图图表 \行政区图 \行政区地图”任务。点击新建。

XE软件的一个重要特性是支持任务叠加，因此，实现地址相似度比较和坐标转换需要借助两个关键功能：地址比较和地址转坐标。启动XE后，选择【小O地图】菜单，你可以选择两种方式设置表格数据：一是设置标题列，二是填充样例数据，其中必填项包括处理数据和结果状态。

图像和音频的数据挖掘属于什么挖掘

图像和音频的数据挖掘属于数据挖掘。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

数据挖掘是从大量数据中自动发现模式、关联、趋势和隐藏信息的过程。它是将统计学、机器学习、人工智能和数据库技术相结合的交叉学科领域。数据挖掘旨在通过分析和解释数据来提取有用的知识，并用于预测、决策支持和战略规划。

大数据技术的一个关键特点是其处理大量数据的能力，另一个特点是能够处理多种类型的数据，包括文本、声音和图像等复杂数据格式。此外，大数据技术在处理低密度数据时，能够挖掘出潜在的价值，从而实现工作效率的提高和政务流程的优化。在大数据技术中，跨粒度计算（In-Database Computing）是一个重要方面。

· 复杂数据类型挖掘（Text， Web ，图形图像，视频，音频等）2）数据挖掘分类：以上六种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘。· 直接数据挖掘：目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。

数据挖掘（Data Mining）是指通过大量数据集进行分类的自动化过程，以通过数据分析来识别趋势和模式，建立关系来解决业务问题。换句话说，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

图形图像，视频，音频等） 2）数据挖掘分类 以上七种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘 · 直接数据挖掘 目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。

热力图是数据挖掘那一部分

1、热力图是数据挖掘分析统计部分。根据查询相关公开信息显示：热力图，是一种通过对色块着色来显示数据的统计图表，由4列组成，依次为统计指标、Y轴、X轴、数据（通过颜色深浅来体现），属于分析统计类。

2、热力图：热力图用于显示数据的密度分布，适用于大量数据的分布情况。地图：地图用于显示地理位置相关的数据，适用于分析地理位置对数据的影响。

3、高德热力图是一种可视化分析工具，主要用于展示数据在地图上的分布情况。在热力图中，数据点的密集程度决定了对应区域的颜色深度，颜色越深表示该区域数据点越多。这种图表很常见于人口密度、房价等数据的分析，例如可以用高德热力图来展示某个城市的交通拥堵情况，给市民和政府提供指导意见。

图数据挖掘中的概念-各类子图、同构、自同构、同态

1、图的自同构（Graph automorphisms）指的是图与自身之间的映射关系，可以包括翻转、旋转和镜像等操作。例如，上图展示了具有4种不同自同构形态的典型图。以上概念是图数据挖掘中的基础，理解它们对于分析和挖掘复杂网络结构至关重要。本文提供了一个简要的概览，后续内容将逐步展开，敬请期待。

2、自同构的精确定义会根据“数序对象”的类型有所不同，这通常涉及到范畴论的研究。范畴论不仅关注对象本身，还探讨了对象之间的关系，即同态性。在范畴论的框架下，自同构特指一个对象的自同态，即对象与自身之间的同态关系，同时它也是范畴论中同构概念的一个特例。

3、在数学中，自同态是从一个数学对象到它本身的态射（或同态）。例如，向量空间V的自同态是线性映射：V→V，而群G的自同态则是群同态：G→G，等等。

4、在抽象代数中，子群、陪集和Lagrange定理是关键概念，群同态和群同构则探讨群结构的相似性和等价性。子群是群的非空子集，必须满足封闭性、运算一致且包含单位元和逆元。一个群的所有平凡子群（包含单位元的子集）和非平凡子群构成了群的不同结构层次。

5、章节Ⅲ：同构 章节进一步深入同构概念，包括仿射、射影、线性方程、同构和半线性同构。同时，我们还会探讨自同构群和中心共线性，以提供更全面的几何视角。章节Ⅳ：线性映射 在此章节，我们将探讨线性映射的性质，包括其基本特性、退化的仿射和射影变换、矩阵表示、映射的秩以及线性方程的解空间。