中医药是中华民族具有几千年传统的医药学，积累了丰富的经验，拥有了浩瀚的文献，中华民族繁衍生息到现在充分证明了中医顽强的生命力和实用价值。目前国家对中医药信息化的重视，建成和完善了大量的中医药数据库。如何更好的利用这些数据，如何利用计算机来加快发现新知识的过程，是中药信息化研究的重点。 数据挖掘与知识发现技术可以从大量的数据中抽取出隐含的、以往未知而又非常有意义和有用的信息。本课题继续南京中医药研究所信息平台的建设，将数据挖掘与知识发现技术应用到中药药组、药队的挖掘中，设计实现了中药配方系统，为新药研发人员提供良好的决策支持，促进中医药更快地向现代化、国际化发展。 本文做了如下四方面的工作： 1、中医药原始数据的不规则，使数据挖掘难以进行。提出了一套数据预处理方法，结合数据归约技术、聚类方法、模糊集理论，成功将中药专利数据规范化，为数据挖掘算法提供了模糊化表示的数值型数据。 2、根据中医药数据的特点及课题的目标，在FP-growth算法的基础上进行了一系列改进。在同一树中引入多维结点，提出了混合维TCM_FP树及其建树算法。采用了中药的模糊隶属度作为结点的支持数，为规则增加了数值型的特性。 3、提出了TCMA算法用于挖掘TCM_FP树中的维间最大频繁项集。在中药维度上应用了双支持度，既缩小了挖掘的范围又提高了规则的意义。针对最大频繁项集提出了全新的搜索策略，省略不必要搜索的结点及其条件模式基与条件模式树的构造。算法切合中药TCM规则挖掘的实际意义，又比FP-growth挖掘算法有更高的运行效率。将挖掘出的TCM规则作为知识库，为中药的配方提供知识基础。 4、设计实现了中药配方系统。将TCMA算法应用于中药数据中，设计实现了中药挖掘器。结合中药方剂配伍理论及组方过程，提出了方剂配方的计算模型，采用自定义的U连接操作生成主方，经配伍知识修正，四气、五味调整，成功为用户开出治疗特定症状的量化中药方剂，为医生及中药研发人员提供计算机辅助决策支持。