随着人们生活水平的不断提高,养犬的家庭越来越多,犬病也不断发生。因此,对具有丰富诊疗知识和经验的犬病临床诊疗人员的需求也日益增加,而我国现有的从事动物疾病临床诊疗人员的数量和水平都很难满足这种日益增长的需求,而且这种矛盾表现得越来越突出。单纯靠培养专业的动物疾病临床诊疗人员很难在短时间内解决这一矛盾,因此,开发具有专家水平的犬病诊断专家系统应该是解决这一矛盾的有效途径。 知识获取是开发专家系统的“瓶颈”。本研究建立了知识获取的基本模式。首先将有关犬病的原知识初步整理成知识列表,然后将初始知识列表提呈交给领域专家,由专家根据临床经验以数值的方式表示列表中的疾病、症状和治疗原则三者之间的关系,由专家确定症状对结论的权重以及规则启用时所需的确定性的阈值。最后对知识进行优化,形成知识列表。结果表明,采用这种方法可以节省知识获取的时间,减轻知识工程师和领域专家的工作量,同时还可以尽可能多地获取专家的经验知识。 根据犬病诊断专家系统中知识数量多,关系复杂的特点,我们采用产生式规则对获取的知识进行表示,这种知识表示保留了产生式规则的模块化、易于理解的特点。同时,利用Oracle9i数据库对知识进行组织和存储,数据库强大的数据搜索和管理能力又有效的弥补了产生式规则推理效率低的不足。 在犬病诊断过程中,症状和结论的不确定性是普遍存在的,针对犬病诊断知识的这种不确定性,改进了C-F模型,建立了带有加权因子的不确定性推理模型。同时,给出了证据不确定性的表示形式、组合证据不确定性算法,以及证据不确定性的传递算法。该模型可以很好地表示犬病诊断专家系统中症状和结论不确定性的分析和处理过程,减小了主观因素对临床诊断和治疗结论的影响。 系统以Jbuilder9+WebLogic+Oracle9i为集成开发环境,实现了基于Web的犬病诊断专家系统。