Реферат: Разработка подсистемы вывода в диагностической экспертной системе

ГОСУДАРСТВЕННЫЙ КОМИТЕТРОССИЙСКОЙ ФЕДЕРАЦИИ ПО ВЫСШЕМУ ОБРАЗОВАНИЮ

НОВОСИБИРСКИЙ ОРДЕНА ТРУДОВОГОКРАСНОГО ЗНАМЕНИ

ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ВЫСШИЙ КОЛЛЕДЖ ИНФОРМАТИКИ

ТЕХНИЧЕСКИЙ ФАКУЛЬТЕТ

КАФЕДРА СИСТЕМ ИНФОРМАТИКИ

РАЗРАБОТКА ПОДСИСТЕМЫ ВЫВОДА В ДИАГНОСТИЧЕСКОЙ ЭКСПЕРТНОЙ СИСТЕМЕ

ДИПЛОМНЫЙ ПРОЕКТ

Пояснительная записка

Листов 23

Студент Добрынин Роман Валентинович

" " _______ 1999г

Научныйруководитель Попов Иван Геннадьевич,

м.н.с. ИСИСО РАН " " _______1999г

Новосибирск

1999

СОДЕРЖАНИЕ

TOC o «1-3» 1. Введение 32. Описание предметной области 42.1. Экспертные системы, ихназначение и структура 42.2. Задачи диагностики 52.3. Процесс приобретения знаний 52.4. Машина вывода 62.5. Недоопределенные модели 63. Постановка задачи 93.1. Формулировка в пользовательскихтерминах 93.2. Входные данные 93.3. Выходные данные 93.4. Специальные требования 104. Методы и алгоритмы решениязадачи 114.1. Методы и определения 114.2. Структуры данных 114.3. Алгоритм решения задачи 134.4.Специальный инструментарий 155. Схема функционированияпрограммного средства 165.1. Модель интерфейса(инфологическая) 175.2. Связь компонент во времярешения задачи 176. Описание программы 187. Отладка и тестированиепрограммного средства 198. Руководство по эксплуатациипрограммного средства 208.1. Руководство системногопрограммиста 208.2. Руководства пользователя 20Заключение 22Литература 231. ВВЕДЕНИЕ

Темапроекта – «Разработка подсистемы вывода в диагностической экспертной системе».Данная дипломная работа была выполнена на кафедре систем информатики влаборатории искусственного интеллекта, Института Систем Информатики СибирскогоОтделения Российской Академии Наук. (ИСИ СО РАН). Научный руководитель – ПоповИван Геннадьевич. Работа выполнялась с 1 сентября 1998 года по 30 мая 1999года. Тип работы – инженерная; является плановой разработкой института.

Особенностью даннойдипломной работы является возможность ее работы с нечеткими и неточнымивходными данными. При этом подсистема вывода будет использовать экспертныезнания, также допускающие элементы нечеткости и неточности.

Работа является коллективной. В мою часть работывходит создание машины вывода диагностической экспертной системы.

Разработка данного дипломного проекта подразумеваетвыполнение следующих работ:

·

Разработка машины вывода диагностической экспертной системы

·

Программная реализация машины вывода диагностической экспертной системы

·

Создание модуля для обработки входных данных,

как с клавиатуры, так и изфайлов на диске.

2. ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ

Данная дипломная работа разрабатывалась в лаборатории искусственногоинтеллекта. Рынок современных диагностических систем не сильно «балует»пользователей новыми поступлениями[1]. Поэтому мы решили написатьпрограмму, аналогичную уже имеющимся, выпущенным в 1990-1994 гг, но болеесовременную, с эргономичным многоуровневым пользовательским интерфейсом, подОперационную систему Windows 95/98.

Аналогом данной экспертной системы послужила известная в свое времясистема Di-Gen, обеспечивающая медицинскую диагностику пациентов и техническуюдиагностику доменных печей.

Данная работа выполнялась в среде Borland Delphi 4,объектно-ориентированной среде программирования.

2.1. ЭКСПЕРТНЫЕ СИСТЕМЫ, ИХ НАЗНАЧЕНИЕ И СТРУКТУРА

По определению Комитета по Экспертным СистемамБританского Компьютерного Общества, под экспертной системой понимается «воплощение в ЭВМ компонента опыта эксперта, основанного на знании, в такойформе, что машина может дать интеллектуальныйсовет или принять интеллектуальноерешение относительно обрабатываемой функции». Желательная дополнительнаяхарактеристика (которую многие считают главной) — способность системы потребованию объяснить ход своих рассуждений понятным для спрашивающего образом [2].

Предметом теории экспертных систем служат методы иприемы конструирования систем, компетентных в некоторой узкоспециальнойобласти. Эта компетентность состоит из знания конкретной области, пониманиязадач из этой области и из умения решать некоторые такие задачи. Знания, относящиесяк любой специальности,обычносуществуют в двух видах: общедоступные и индивидуальные. Общедоступные знания — это факты, определения и теории,которые обычно изложены в учебниках и справочниках по данной области. Но, какправило, компетентность означает нечто большее, чем владение такимиобщедоступными сведениями. Специалисты вбольшинстве случаев обладают ещё и индивидуальными знаниями, которыеотсутствуют в опубликованной литературе. Эти личные знания в значительнойстепени состоят из эмпирических правил — эвристик, которые позволяют экспертампри необходимости выдвигать разумные предположения, находить перспективныеподходы к задачам и эффективно работать при зашумленных или неполных данных.Центральной задачей при построении экспертных систем является выявление ивоспроизведение таких знаний.

В архитектуре экспертной системы можно выделить триосновных компонента: база знаний, машинавывода и интерфейс пользователя.

·

с пользователем. Сюдавходят и управление экраном, и организация диалога, и объяснительныеспособности системы.2.2. ЗАДАЧИ ДИАГНОСТИКИ

Одной из типичных задач экспертной системы являетсязадача диагностики[3].

Диагностика — это процесс поиска неисправностей вобследуемой системе (или определение стадии заболевания в живой системе),основанный на интерпретации данных, возможно зашумленных. Нахождение согласованныхи корректных интерпретаций является основным требованием в этой задаче. Одноиз необходимых условий достижения результата — понимание диагностом структурной организации обследуемой областии механизмов взаимодействия между различными подсистемами.

В задачах диагностики необходимо предположительное рассуждение. Вомногих диагностических процедурах с успехом используются предположенияотносительно степени надежности датчиков, т.е. степени надежности вводимойинформации. Так же, в задаче диагностики можно столкнуться с ситуацией, котораяизменяется во времени по мере того, как происходит развитие болезни (или всвязи с предпринимаемым лечением). И наконец данные, поступающие от датчиков,часто оказываются зашумленными. Это существенный момент в задаче диагностики,где рассуждения проводятся на основании результатов измерений.

К примеру, задача медицинской диагностики заключается в обнаружении заболеваний на основе интерпретации данных о текущем состоянии больного, которые получаются в результате анализа жалобпациента, его объективного осмотра, результатов лабораторных обследований ианализов.

Среди задач диагностики наиболеесложными являются задачи дифференциальной диагностики. Их сложностьопределяется тем, что среди множествазаболеваний, имеющих общие признаки,надо выбрать наиболее вероятные.

Для решения такого типа задач должна эффективно использоватьсяразрабатываемая оболочка.

2.3. ПРОЦЕСС ПРИОБРЕТЕНИЯ ЗНАНИЙ

Приобретение знаний — это процесс передачи ипреобразования опыта по решению задач от некоторого источника знаний впрограмму.

Процесс создания диагностической экспертной системыможно разделить на следующие этапы:

·

(типа ²общее — частное ²);определяет структуру основных фреймов, области значения слотов, наследованиесвойств.

·

В нашем случае экспертвзаимодействует с экспертной системой непосредственно через интеллектуальную редактируемую программу. Т.е. всяработа инженера знаний на этих этапах уже должна быть заложена впрограмму.

2.4. МАШИНА ВЫВОДА

Машиной вывода можно назвать набор средств, реализующих тот или иной способ рассуждения,технологию поиска по базе знаний, обработку неопределенности и обработку ошибок.

Методырассуждений.

Самые распространенные методы логического вывода — это прямая цепочка рассуждений (прямой вывод) и обратная цепочка рассуждений(обратный вывод).

При решении задач диагностики используется обратный вывод. Можно сказать, что обратныйвывод белее эффективен, когда пользователь должен выбирать из набора возможных последствий как в случае медицинской или технической диагностики.

В разрабатываемой оболочке реализуется механизмсмешанного вывода, который позволяет и прямой вывод от фактов к заключениям, иобратный — чтобы подтвердить или опровергнуть гипотезу.

Управлениедостоверностью.

Одной из важных особенностей экспертной системыявляется её способность работать с неполной, неточной, недоопределенной информацией.

Неточностьв ЭС может возникать следующим образом:

a)

b)

c)

Фактор уверенности предоставляет пользователювозможность указать степень уверенности в достоверности вводимой им информации.Так же фактор уверенности демонстрирует степень уверенности системы вдостоверности сделанных ею логических заключений.

Нечеткие рассуждения подходят для решения проблем, вкоторых используются такие неопределенныехарактеристики, как ²

примерно²,²возможно²,²близкок².Нечеткая переменная может одновременно иметь более одного значения, каждое сосвоим коэффициентом уверенности.

Важным свойством для экспертной системыявляется способность устанавливать порогуверенности. Машина вывода может работать таким образом, что будет рассматривать только те факты игипотезы, которые имеют фактор достоверности выше установленного пользователем.Пользователь может ускорить процесс вывода, установив высокий порогдостоверности и тем самым дать указание Машине вывода рассматривать толькофакты и гипотезы с высокой степенью достоверности.

Так же, следует обратить внимание на ситуацию, когдапользователь в ответ на вопрос отвечает ²

неизвестно².

Основной принцип, который реализуется в оболочке,состоит в том, что все проблемные знанияописываются экспертом в объектно-ориентированном стиле, а продукционноепредставление знаний, используемое на более низком уровне, генерируютсяавтоматически и скрыто от эксперта.

Эти идеи иложатся в основу технологических решений при конструировании оболочки.

2.5.

НЕДООПРЕДЕЛЕННЫЕ МОДЕЛИ

Характерными особенностями знаний о сложныхфрагментах действительности являются их неполнота, неоднозначность, отсутствиеточности – свойства, которые существенно затрудняют (а иногда и делаютневозможным) поиск адекватного решения задачи[4]. Любую модель надо строить с учетом принципиальной неполнотыи принципиальной возможности ошибок и противоречий в написании задачи. Эти идругие так называемые НЕ-факторы отражают то обстоятельство, что в реальноммире существуют в основном объекты, которым присущи все эти свойства или хотябы одно из них.

К настоящему времени наибольшее развитие получилНЕ-фактор, который известен, как недоопределенность конкретных знаний.Недоопределенность связана с неполнотой доступной в данный момент информации омоделируемом фрагменте реальности. Эта неполнота касается в первую очередьзначений величин объектов (например, около двух часов – о времени), но можетприсутствовать и в случае неполноты информации о типах объектов (то лиокружность, то ли эллипс) и о существующих отношениях между объектами (то лираньше, то ли позже).

Мы назовем значение переменной неопределенным, если о нем известно лишь то, что оно равно одномуиз элементов множества потенциальных значений. Значение считается определенным, если однозначно известентот элемент множества потенциальных значений, которому оно равно.

Типичным состоянием изучаемого объекта целесообразносчитать недоопределенность:бесспорный факт принадлежности его значения какому-то нетривиальномуподмножеству области определения. При этом потенциальное совпадение с тем илииным элементом этого множества считается равновероятным.

Рассмотрим модель, которую будем называть обобщенной вычислительной моделью (ОВМ):M = (X,W,C,R),

Где множества X и R имеют такую же семантику, как и вобычных вычислительных моделях, W– множество функций присваивания, а C – множество функций проверки корректности. Функция присваиванияопределяет способ записи очередного значения в объект xÎ

X, а функция проверкикорректности осуществляет контроль за правильностью вычисленных значенийобъекта x.

Пусть x – переменная с областью определения X. Обозначим через *X множество всех подмножеств X, без пустого. Элемент dÎ

*X, который содержит толькоодно значение из X,называется определенным. Всеостальные элементы называются недоопределенными.Значение *x, соответствующеевсему множествуX,будем называть полной неопределенностью.

ОВМ, в которой хотя бы один объект представлен недоопределенным типомданных, называется недоопределенноймоделью (н-моделью) [5]. Рассмотрим систему из двух линейных уравнений сдвумя целочисленными переменными:

x+ y = 12

2*x = y

Для предоставления целых констант данной системы (2 и 12) естественновоспользоваться предопределенным типом integer. Если переменным x и y также сопоставить тип integer,то получим традиционную модель. Найтирешение в данном случае можно, только применяя любой из методов решения системлинейных уравнений. Если же для представления переменных x и y воспользоватьсянедоопределенным типом (например, nint), то система уравнений становится н-моделью. Далеепокажем внутреннее представление такой н-модели и алгоритм ее решения.

Множество Х содержит все объекты данной н-модели:

Х = {x,y:nint; 12,2:integer}.

Так как множество Х содержит две переменные и две неизменяющиеся константы,множество функций присваивания (W)и множество функций порверки корректности (С)содержат по два элемента:

W = {PRint(x), PRint(y) } PRint – имя функцииприсваивания.

C = { PRDint(x)< PRDint(y) } PRDint – имя функции проверкикорректности.

Множество отношений (R) для данной системы уравнений содержит два отношения(plus и umn), связывающие междусобой переменные типов nint и integer (здесь мы игнорируем дополнительные переменные,которые, возможно, появились бы в результате компиляции исходных уравнений):

R = {plus(12,x,y); umn(y,2,x) }.

Множество функций интерпретации отношений из R можно представить следующим образом (вкомментариях приведены описания функций в обычной записи):

Plus: minus 3#y, 12, *x; (*y:=12-x*) (1)

minus 3 #x, 12, *y; (*x:=12-y*) (2)

umn: umn 3 #y, x, 2; (*y:=x*2* ) (3)

del 3 #x, y, 2; (*x:=y/2* ) (4)

Напомним, чтоарифметические операции реализованы в соответствии с правилами интервальнойматематики.

Технология недоопределенных вычислительных моделейпозволяет обрабатывать неточные значения.

3. ПОСТАНОВКА ЗАДАЧИ

В задачу данной дипломнойработы входит разработка машины вывода диагностической экспертной системы.Особенностью разрабатываемой машины вывода является ее способность работать снеточными и нечеткими входными данными. При этом машина вывода будетиспользовать экспертные знания, также допускающие элементы нечеткости инеточности.

3.1. ФОРМУЛИРОВКА В ПОЛЬЗОВАТЕЛЬСКИХ ТЕРМИНАХ

Необходимо было разработать систему медицинскойдиагностики, которая позволяла бы на основе неполных данных ставить диагноз снекоторой точностью, и выдавать, насколько точно она определила болезнь.

3.2. ВХОДНЫЕ ДАННЫЕ

Входными данными моей частипрограммы являются:

·

Иначе говоря, входные данныеможно разбить на два больших блока:

·

см. введение)

Сюдатакже входит и база данных о пациентах (их «больничные карточки»)

·

3.3. ВЫХОДНЫЕ ДАННЫЕ

Выходными данными программы является диагноз,построенный на основе наблюдаемых симптомов и базы знаний о болезнях. Этотдиагноз выдается на экран в качестве окончательного ответа экспертной системыпользователю. Кроме того, информация об обнаруженной болезни и наблюдаемыхсимптомах заносится в карточку пациента.

В процессе работы система генерирует несколькорабочих версий окончательного диагноза, и в конце происходит «отсеивание»лишних гипотез, которые имеют вес, меньший, чем некоторое значение, заранеезаданное системным программистом.

Например, в процессе работысформировалось 5 версий с вероятностями от 67 до 98 %. Порог уверенности,заданный системным программистом – 75%. Тогда система выдаст все версии,вероятности которых больше 75%. Например, их 3.

Болезнь 1 – 94%

Болезнь 2 – 93%

Болезнь 3 – 87%

Болезнь 4 – 51%

Болезнь 5 – 67%

Система «отсеет» остальные болезни, кроме этих трех,и выдаст эти три в порядке убывания их вероятностей:

У вас, скорее всего, Болезнь 1. Вероятность – 94%

Вероятность Болезни 2 –93%

ВероятностьБолезни 3 – 87%

Также следуетупомянуть, что система ведет регистрацию больных, их болезней, и ведетстатистику заболеваний:

·

Какая болезньвстречается чаще вообще,

·

Какая болезньвстречается чаще всего, например, в летний период,

·

В какомвозрасте люди чаще обращаются к врачу,

·

Люди какогопола чаще обращаются к врачу,

·

И томуподобное.3.4. СПЕЦИАЛЬНЫЕ ТРЕБОВАНИЯ

3.1.1.

Программные требования

·

3.1.2.

Аппаратные требования

·

3.1.3.

Требования к квалификациипользователя

·

Для установки Borland DBE и правильной калибровки программного средстважелательно присутствие системного программиста.

·

Для заполнения базы знаний необходимо присутствие эксперта, осуществляющегоинтеллектуальное заполнение базы знаний.4. МЕТОДЫ И АЛГОРИТМЫ РЕШЕНИЯ ЗАДАЧИ4.1. МЕТОДЫ И ОПРЕДЕЛЕНИЯ

База знаний– Совокупность трехреляционных баз данных в формате Paradox 7.0:

·

База данных с описаниями болезней.

·

База данных с описаниями симптомов.

·

Таблица соответствий симптомов и болезней.

·

Таблица весов симптомов для болезней.

Вес– Вероятность той или иной болезни в процентах.

Недоопределенная спецификация– Набор данных, на основе которогоневозможно принять окончательное решение.

Фактор уверенности – Факторуверенности демонстрирует степень уверенности системы в достоверности сделанныхею логических заключений.

Порогуверенности – число, заранее определенное пользователем, означающее максимальныйвес болезни в данном случае, ниже которого гипотезы просто не рассматриваются.

4.2. СТРУКТУРЫ ДАННЫХСтруктуры данных данного программногосредства – 4 таблицы формата Paradox 7.0 (работу с этими таблицами обеспечивает DBE и DBD, которые какраз поставляются в комплект с Borland Delphi с целью «безпроблемной» работы с базами данных практически любогоформата).Таблицаклиентов

№ П. П.

Наименование поля

Тип

Длина

Краткое описание

Num_kard

Numeric

Номер карточки

Name

Character

Имя

Last_name

Character

Фамилия

Otchestvo

Character

Отчество

Fotokard

Character

Файл фотокарточки

Sex

Logic

Пол

Date_bd

Date

Дата рождения

Date_create

Date

Дата регистрации

Date_change

Date

Дата последнего обследования

Что касается пункта 5. (fotokard), то для этого специальнобыл разработан модуль для работы со сканером, чтобы можно было ввестифотокарточку пациента в его медицинскую карту.

Таблица Болезней

№ П. П.

Наименование поля

Тип

Длина

Краткое описание

Num

Numeric

Идентификационный номер болезни

Name

Character

Наименование болезни

File_name

Character

Имя файла с рекомендация-ми

Work

Numeric

Поле используется для внутренних нужд

Таблицасимптомов

№ П. П.

Наименование поля

Тип

Длина

Краткое описание

Num

Numeric

Идентификационный номер

Name_s

Character

Наименование симптома

File_name

Character

Имя файла с реккомендациями

Work

Numeric

Поле используется для внутренних нужд

Таблица соответствий

S[1]

…

S[max]

N[1]

…

Numeric

N[max]

Все значения таблицы – numeric. Число в пересеченииколонок есть «указатель» на ту болезнь, на которую указывает определенныйсимптом, либо на тот симптом, на который указывает определенная болезнь.

Таблица весов

S[1]

…

S[max]

B[1]

…

Numeric

B[max]

Таблица размером [Кол-во болезней]х[К

еще рефераты

Еще работы по программированию, базе данных

Реферат по программированию, базе данных