基于本体的鱼病知识获取与诊断推理集成系统研究

近年来，在淡水养鱼业迅速发展的同时，鱼害的发生和流行也日趋严重，已成为水产养殖业健康发展的巨大障碍，严重地威胁着淡水养殖业的稳定和可持续发展。鱼病诊断专家系统为解决病害频繁发生而领域专家缺乏的矛盾起到了积极的作用。对现有的系统进一步地研究与应用发现，它本身还存在着一些问题，如系统异构与系统间缺乏共同的理解、规则获取和知识表达上困难、系统知识的边界效应造成的推理结果的不确定性和不可靠性等问题，如何提高专家系统的运行效率与质量，具有重要的理论意义和应用价值。 针对已有的鱼病诊断推理子系统存在着异构及缺乏共同理解的问题，本文采用本体论的基本理论和方法，提出了基于领域本体的鱼病诊断系统集成的概念体系，围绕鱼病诊断系统集成的基本问题进行研究，给出了基于本体的鱼病诊断知识的表达，并针对该模型中的关键技术——翻译器的构造，以XML与数据库之间的转换为例给出了具体的算法，并应用在鱼病诊断推理系统与水质评价系统的集成系统中。该模型可以有效解决现有系统的异构问题，并可实现子系统间的知识共享，并消除二义性，以满足在实际中准确及时地对鱼病进行诊断的要求。 针对构造专家系统的“瓶颈”问题，本文采用遗传算法和机器学习的理论和方法，在传统的机器学习的AQ方法的基础上，将鱼病诊断的知识获取问题转化为组合优化问题，而由于遗传算法对求解复杂的优化问题有着巨大的潜力，用其求解该模型是可行的。因此，本文提出了基于GA的知识获取模型，首次将其应用在鱼病诊断推理系统中，应用于获取鱼病诊断规则。实验结果表明该方法是有效的。 针对系统知识的“边界效应”造成推理结果的不确定性和不可靠性等问题，本文采用了CBR的理论和方法，提出了将CBR用于鱼病诊断推理系统中；针对案例特征权值向量难以确定的问题，提出将遗传算法应用于特征权值优化来提高检索质量；针对现有的RBR推理和CBR推理的优缺点，提出了将RBR与CBR推理相结合的层次聚类方法来缩小鱼病诊断案例的搜索空间，提高系统的检索效率。 在上述工作基础上，设计并实现了一个鱼病诊断推理系统，同时根据鱼病诊断实例对本文提出的理论和方法进行了测试，研究结果表明该系统具有良好的人机交互能力、智能性和适应性。