基于案例推理的糖尿病诊断系统的研究与应用

摘要

案例推理技术(CBR，Case-based reasoning)是在人工智能范畴中新兴的一种解决问题的方式。该方法的基本思想是利用人类对历史问题的求解经验来对当前相似问题进行求解。是一种基于历史经验的推理方法。本文通过建立基于案例推理的糖尿病判断系统解决了不能随时咨询领域专家、领域专家的经验知识不能很好保存、经验知识无法共享等问题。本文的研究内容如下所述：
　　首先，深入地研究了案例推理的基本原理，包括案例推理的运行模型、案例推理的研究任务划分、案例推理系统的应用研究及其发展趋势等。并对案例推理的任务划分成五个部分，分别为案例表示、案例检索、案例重用、案例修正和案例保存，并加以详细阐述。
　　其次，通过已有数据集，本文确定了针对糖尿病诊断的基于案例推理技术的案例表示方法，在此基础上建立了糖尿病判断专家系统案例库。本文接着研究了两种属性权重设定的方法，即领域专家法和基于标准差的权重设定方法。另外还采用了主成分分析法来保留原属性中的主要属性、舍弃次要属性，从而达到不使用权重设定也能表示属性之间不同的重要程度的目的。本文之后研究了相似度计算方法，包括欧氏距离计算方法、改进的余弦函数计算方法和基于归一化的相似度计算方法。本文对所研究的属性权重设定方法和相似度计算方法进行验证。
　　然后，对基于案例推理的糖尿病判断专家系统的理论框架和实现过程进行了概括和剖析。并为进一步的研究工作指明了方向。
　　最后，实现系统。系统采用B/S结构，在Visual Studio2010开发环境中使用C＃语言实现了糖尿病判断专家系统。

目录

封面

中文摘要

英文摘要

目录

第1章绪论

1.1 论文研究背景及意义

1.2 国内外研究现状

1.3本文主要研究内容

1.4本文结构安排

第2章相关理论及相关知识概述

2.1案例推理技术

2.2主成分分析

2.3糖尿病概述

2. 4 糖尿病诊断所使用的指标

2.5本章小结

第3章基于CBR的糖尿病诊断系统的研究和设计

3. 1 糖尿病数据集

3.2糖尿病案例表示

3.3糖尿病案例库设计

3. 4 案例属性权值设定

3.5主成分分析降维

3.6案例相似度计算方法

3.7糖尿病诊断系统案例库建立过程

3.8糖尿病诊断系统的推理过程

3.9实验分析

3. 10本章小结

第4章基于CBR的糖尿病诊断系统的实现

4.1业务流程

4.2系统总体设计

4.3数据库设计

4.4主要功能模块实现

4.5本章小结

结论

参考文献

声明

致谢