中药治疗疾病在中国已有几千年的历史，它对人类身体健康具有重要意义。由于中药理论的复杂和不完善，传统方法在中医药的研究中遇到了很多困难，这严重阻碍了对传统中医药的继承和发展。数据挖掘是一门新兴的计算技术，它融合了数据库、数据仓库、人工智能、机器学习、神经网络、统计学、模式识别、信息检索、遗传算法等多学科知识，可以从大量数据中挖掘出事先不知道的、但又是潜在有用的信息和知识。在国家自然科学基金(编号：60473071，90409007)和国家中医药管理局基金(编号：2003JP40)支持下，我们把数据挖掘技术应用到中药方剂的研究中，试图从古今大量验方中挖掘出方剂的性、味、归经、功效等药理信息，为中医临床用药和研究提供辅助信息，为祖国医学的发展做出贡献。围绕这一课题的研究，本文提出了一些适合中药领域特点的数据挖掘算法，这些算法也可以用到其它数据挖掘场合。主要取得如下成果：1．证明了最近邻搜索定理，基于这一定理提出了SNN(Searching Nearest Neighbors)搜索算法。在逐点比较最近邻搜索中，需要两两比较所有的数据，其时间复杂度为O(n~2)。而SNN算法只需较少的比较次数就可找到最近邻数据，其时间复杂度为O(n*log(n))，当用扫描图像所得数据时，时间复杂度会降为O(n)。2．基于“同类相近”的思想，提出了实现任意形状高维空间聚类的NNAF(Nearest Neighbors Absorbed First)算法，其时间复杂度为O(n)；提出了MLCA(Multi-Layer Cluster Algorithm)算法并证明了两个相关的定理。在多数聚类算法中，当改变阈值重新聚类时，需要重新开始执行原来的聚类操作，而使用MLCA算法在原聚类的基础上进行增量聚类，可以节省90％以上的时间。3．提出了基因表达式编程(Gene expression programming，GEP)算法中的初始种群精英个体产生策略(Elitism Producing Strategy，EPS)，使得初始种群中具有较高适应度的个体，从而使整个进化从一个较高的起点开始。实验表明，EPS提高进化效率达17％。4．为了在GEP算法中产生较好的初始种群，提出了基因空间均匀分布策略(Gene Space Balance Strategy，GSBS)。用GSBS策略产生的初始种群基因多样性比用随机方式产生的要好的多，因此可以大大提高种群进化效率。实验表明，GSBS提高进化效率超过20％。5．提出了定量描述基因表达式编程算法中群体基因多样性测度公式。针对传统GEP在局部收敛方面的缺陷，提出使种群快速跳出局部最优的VPS-GEP(Various Population Strategy GEP)算法。实验表明，VPS-GEP算法减少了55％以上的进化停滞代数。6．结合中药药理知识发现原型系统的设计与实现，简述了文中所提算法在该系统中的应用，另外还讲述了系统结构设计、数据库设计、预处理方案设计等。