Реферат: Разработка подсистемы вывода в диагностической экспертной системе

Имея начальный список болезней, система проводит их дифференциацию. Далее система начинает проводить “рассуждения”.

Самые распространенные методы логического вывода - это прямая цепочка рассуждений (прямой вывод) и обратная цепочка рассуждений (обратный вывод). В основном, при решении задач диагностики используется обратный вывод. Можно сказать, что обратный вывод более эффективен, когда пользователь должен выбирать из набора возможных последствий как в случае медицинской или технической диагностики. В разрабатываемой системе реализуется механизм смешанного вывода, который позволяет и прямой вывод от фактов к заключениям , и обратный - чтобы подтвердить или опровергнуть гипотезу.

В процессе уточнения информации система, задавая пользователю вопросы, проводит «отсеивание» лишних гипотез, имеющих малый вес. Для просчета веса гипотез система открывает данные из файла на диске, а именно таблицу весов. Таблица весов размером [Кол-во болезней] на [Кол-во симптомов] имеет в пересечении клеток число, равное весу данного симптома для данной болезни; порог уверенности заранее задается в настройках.

• Рекомендации и сбор дополнительной информации.

Если пользователь не смог ответить на некоторые вопросы на этапе первоначального опроса, то система дает рекомендации, как можно собрать эти данные, (сдать анализы, провести ЭКГ) и на основе этого собирает дополнительные данные. Рекомендации система дает только на гипотезы, имеющие большой вес (чтобы подтвердить их весомость, и чтобы пациенту не стоило сдавать лишних анализов).

• Принятие окончательного решения.

В процессе предыдущих шагов выявляется несколько версий окончательного результата, которые система распределяет по порядку возрастания вероятности той или иной болезни.

Вероятности болезней также считаются по таблице весов.

Алгоритм подсчитывания веса:

• Выбирается болезнь из списка болезней, сформированного на предыдущих этапах.

• Система просматривает, какие симптомы из списка симптомов имеют отношение к данной болезни.

• Происходит суммирование весов всех симптомов, имеющих отношение к данной болезни (опять же по таблице весов).

• Запоминание конечного веса болезни.

После подсчета весов всех болезней выбирается болезнь, имеющая максимальный вес, и происходит нормировка весов болезней (чтобы они были в пределах от 1 до 100)

Далее система выбирает те болезни, вероятности которых находятся в некоторых рамках, заранее определенных системным программистом (так называемый “порог уверенности”). Значение порога уверенности можно задать в настройках программы.

Формула для подсчета веса болезни: ves_b(j) = [tab_ves(ves(i,j))]*k(i)

То есть, для конечного подсчета вероятности не применяется умножение веса на коэффициенты, а идет суммирование всех элементов таблицы весов (tab_ves(ves(i,j)) имеющих отношение к болезни. Далее происходит нормировка всех конечных вероятностей с целью “укладывания” их в промежуток от 1..100. (Чтобы окончательный ответ измерялся в процентах). k(i) – коэффициент присутствия симптома (равен либо «0», либо «1»).

Пример:

	Голова болит	Провалы памяти	Частые припадки	В ухе стреляет	Челюсть сводит	Внутриче-репное давление
Склероз	10	106	64	55	20	43

Например, в процессе работы были выбраны симптомы 2,4 и 6. Система будет суммировать вес:

Ves_b("склероз")=10*0+106*1+64*0+55*1+20*0+43*1=204. Далее:

• У всех болезней таким образом будет вычислен вес.

• Выберется максимальный вес болезни из списка болезней.

J=-1; // отрицательное значение для начала.

For i=1 to 15 do

( if j>max(ves_b(i)) // если j больше максимального значения,

j=max(ves_b(i)); // то j=max.

• Допустим, максимальный вес = 300.

• Веса всех болезней разделятся на 300 (нормируются), чтобы быть в пределах от 0 до 1.

• Таким образом, вес болезни “склероз” = 204/300=0.68 (т.е. 68%). Это и есть конечный итог.