基于模糊神經網絡與灰色CBR的南美白對蝦專家系統研究.pdf

1、南美白對蝦是我國重要的經濟類養(yǎng)殖蝦種，但由于大多數養(yǎng)殖戶沒有進行過專業(yè)的養(yǎng)殖知識學習，并且缺乏專業(yè)的培訓與指導，造成他們對疾病的發(fā)生規(guī)律認識不夠深刻。加上養(yǎng)殖戶大都比較分散，因而在蝦病診斷與防治過程中，常常由于缺乏領域專家的現場指導，或由于專家的指導不夠及時而給養(yǎng)殖戶造成巨大的損失。進而逐漸形成了領域專家知識的供給和養(yǎng)殖戶的生產需求之間的傳播瓶頸。因此，開發(fā)基于網絡的南美白對蝦專家系統來解決目前存在的問題勢在必行。
　　 目前，

2、專家系統中最常用的推理技術有：CBR(基于案例的推理)，RBR(基于規(guī)則的推理)，以及基于人工神經網絡的推理等。然而，他們都有各自優(yōu)點和不足，例如：RBR知識表達直觀，易于理解與實現，不需要系統模型，但是卻無法處理新遇到的情況，無法自動進行知識更新，嚴重依賴領域專家，并且知識規(guī)則提取難度大；CBR知識獲取容易，可以自動更新，但是過于依賴案例庫?；谌斯ど窠浘W絡的推理具有自學習、自適應功能，但是嚴重依賴訓練樣本集，無法給出推理說明。

3、>　　 本文在研究原有CBR專家系統的基礎上，提出了一種將CBR、灰色理論、模糊理論以及BP神經網絡相結合的推理方法，并將其成功地應用于南美白對蝦專家系統。一個典型的CBR問題求解過程的基本步驟可以歸納為：案例檢索、案例重用、案例修正和案例保留。該方法在CBR的基礎上，采用歷史案例組成BP神經網絡的學習樣本供BP神經網絡學習，當學習達到要求后，在案例檢索步驟中引入BP神經網絡進行案例的匹配，然后對輸出的數據通過模糊函數進行去誤差處理，

4、接著再采用白化權函數進行灰色化評估，并將計算出的所患疾病的詳細信息輸出給用戶，最后將此次診斷作為新案例添加到案例庫以供BP網絡自學習。
　　 本文的研究方法包括：
　　 (1)采用CBR作為核心推理技術，構建專家系統的整體框架，將領域知識按照癥狀分類，并將固定的癥狀按照規(guī)則進行數值化，并以一定的存儲結構存放于數據庫中，以便于知識的存儲、檢索及推理。
　　 (2)通過模糊神經網絡來構建領域知識之間的網狀結構，通過C

5、BR所生成的案例庫來組成學習樣本，進行網絡學習，當學習完成后即可用于疾病診斷。
　　 (3)考慮到在將專家的知識從文字型轉換到數值型的過程中存在著數值模糊，推理的結果中必然會存在不確定性，所以本文采用模糊理論的方法來優(yōu)化神經網絡的輸出，并計算診斷結果可信度供用戶參考。
　　 (4)對于輸出的結果，通過灰色理論的方法將診斷結果從數值型信息轉換成文字型信息，并對診斷結果進行評估。按照可信度大小輸出可能的五種疾病供用戶參考，以

6、免發(fā)生誤診。
　　 本系統的前臺采用ASP技術開發(fā)實現，案例庫存儲采用SQL Server2000數據庫。系統分為四大模塊：疾病診斷系統、疾病查詢系統、日常管理技術以及養(yǎng)殖基礎知識。已開發(fā)的南美白對蝦疾病診斷專家系統能夠實現以下功能：用戶通過將蝦體癥狀輸入到系統即可進行疾病診斷，及時獲得南美白對蝦可能患有的疾病和具體的防治措施，查看養(yǎng)殖和管理知識，并通過系統的餌料推薦功能計算飼料投喂的重量和方法等功能。根據實驗結果以及系統的實際