基于PCA和CBR的醫(yī)學(xué)診斷專家系統(tǒng)研究.pdf

1、基于案例的推理是人工智能領(lǐng)域中的一種推理技術(shù)，克服了傳統(tǒng)專家系統(tǒng)出現(xiàn)的知識獲取瓶頸等問題，能夠從新案例中獲取知識，反映專家的思維過程，與醫(yī)學(xué)診斷具有較高的相似性。因此，案例推理是醫(yī)學(xué)診斷中一種有效的思維方式。但是在實際應(yīng)用中，醫(yī)學(xué)案例庫一般是由大量的符號屬性構(gòu)成的，對所有這些屬性進(jìn)行分析會增大計算量和增加分析問題的復(fù)雜度，如何降低問題的復(fù)雜度已成為目前研究的熱點(diǎn)問題。
　　本文針對醫(yī)學(xué)案例庫的特性，采用主成分分析的數(shù)據(jù)降維方法來降

2、低問題復(fù)雜度，將主成分分析和案例推理技術(shù)相結(jié)合，構(gòu)造了一個醫(yī)學(xué)診斷專家系統(tǒng)。該專家系統(tǒng)首先對醫(yī)學(xué)案例庫的符號屬性進(jìn)行數(shù)字化轉(zhuǎn)換，然后利用主成分分析方法進(jìn)行特征提取，將案例庫映射到特征空間，再根據(jù)案例推理技術(shù)進(jìn)行推理，得出診斷結(jié)果。針對正則單行主成分分析算法的數(shù)字化方法沒有考慮不同屬性特征的重要性，提出了加權(quán)正則單行主成分分析算法，提高了系統(tǒng)的準(zhǔn)確度；針對案例檢索中近鄰策略的不足，將最相似匹配原理應(yīng)用到案例檢索中以提高檢索效率和降低計算復(fù)