可擴(kuò)展智能推理及其在中醫(yī)舌診中的應(yīng)用.pdf

1、智能推理作為人工智能的一個重要研究領(lǐng)域，一直以來都是一個研究熱點(diǎn)，但尚需解決的問題或難點(diǎn)還有許多。有些實(shí)際問題，需要在信息量不充分的條件下進(jìn)行數(shù)據(jù)處理，這方面的研究尤其要深入。中醫(yī)診斷數(shù)字化問題的關(guān)鍵就是要解決非完全信息數(shù)據(jù)智能處理技術(shù)。本文研究了這方面的一些處理方法，并將其應(yīng)用于“中醫(yī)瘀血舌象智能診斷系統(tǒng)”進(jìn)行檢驗(yàn)。主要內(nèi)容和研究成果簡述如下： 1、本文提出了一種可擴(kuò)展智能推理算法?？陀^事物可用一組特征數(shù)據(jù)表示，每個特征數(shù)據(jù)都

2、是客觀事物存在的一種表示。先依據(jù)已知特征數(shù)據(jù)提供的信息推出存在可能性最大的對象，然后以可能性最大的對象為中心進(jìn)行拓展，補(bǔ)充相關(guān)數(shù)據(jù)，最后在補(bǔ)充信息較充分的條件下進(jìn)行數(shù)據(jù)處理。這種處理方法能模擬人腦思維的先發(fā)散后收斂過程。該算法不僅能在信息量不夠充分的條件下采取相應(yīng)的數(shù)據(jù)智能化處理措施，而且能有效處理冗余信息。 2、基于研究的新算法，綜合應(yīng)用模糊邏輯推理、神經(jīng)網(wǎng)絡(luò)技術(shù)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、模式識別及醫(yī)學(xué)癥狀信息量化等方面的研究成果

3、，本文提出了一種基于競爭神經(jīng)網(wǎng)絡(luò)的可擴(kuò)展智能推理模型。該模型把模糊競爭神經(jīng)網(wǎng)絡(luò)嵌入到一個環(huán)路中，把專家經(jīng)驗(yàn)庫作為競爭神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本集，競爭神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)，以權(quán)值矩陣存儲專家經(jīng)驗(yàn)。依據(jù)已知的特征數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)先進(jìn)行綜合計(jì)算，計(jì)算結(jié)果作為競爭神經(jīng)網(wǎng)絡(luò)的輸入，競爭神經(jīng)網(wǎng)絡(luò)計(jì)算出可能性最大的對象，然后進(jìn)行循環(huán)計(jì)算，補(bǔ)充新特征數(shù)據(jù)后再進(jìn)行綜合計(jì)算和評價(jià)，直到得出一個滿足評價(jià)要求的診斷結(jié)果。 3、本文研究了提取診斷經(jīng)驗(yàn)的數(shù)據(jù)挖掘方法。針

4、對中醫(yī)舌象診斷信息的智能化處理系統(tǒng)的復(fù)雜數(shù)據(jù)，本文提出了更準(zhǔn)確的支持度和置信度定量描述方法，并提出了關(guān)聯(lián)關(guān)系強(qiáng)弱的定量描述方法，提出了改進(jìn)的關(guān)聯(lián)規(guī)則算法和改進(jìn)的FP-growth算法。將其與傳統(tǒng)的算法進(jìn)行分析比較，應(yīng)用在“中醫(yī)瘀血舌象智能診斷系統(tǒng)”的數(shù)據(jù)挖掘中，實(shí)驗(yàn)結(jié)果說明了算法的有效性。 4、本文研究了一種基于模糊粗糙集的網(wǎng)格劃分聚類算法。將模糊粗糙集基本原理與網(wǎng)格劃分聚類算法相結(jié)合，提出一種改進(jìn)的聚類算法，以適應(yīng)提取中醫(yī)診斷

5、規(guī)則。在定義隸屬度函數(shù)前先做網(wǎng)格劃分，形成數(shù)據(jù)簇的基本形狀，并提供真實(shí)的參數(shù)信息參與此后的隸屬度函數(shù)定義，隸屬度函數(shù)綜合考慮了影響簇形狀的因素。算法通過網(wǎng)格的粗糙模糊劃分加速聚類過程，克服了傳統(tǒng)模糊聚類算法時(shí)間耗費(fèi)大的缺點(diǎn)。 5、應(yīng)用本文的新算法和智能模型開發(fā)了“中醫(yī)瘀血舌象智能診斷系統(tǒng)”，實(shí)現(xiàn)了對中醫(yī)專家診斷推理過程的模擬。該系統(tǒng)對一般病證和復(fù)雜病證都能進(jìn)行辨“證”，其結(jié)果與專家辨“證”一致，這表現(xiàn)出系統(tǒng)具有較好的魯棒性。系統(tǒng)