從專家診病模型實例理解智慧醫療大數據文庫(DOC 21頁)

內容摘要
大數據可謂是當紅炸子雞，對於它的應用場景，人們已經做了充分的想象，很多也在逐步落地，比如智慧醫療。醫療行業正更多的融入人工智慧、傳感技術等高科技，使醫療服務走向真正意義的智能化。
麵對不同受眾，智慧醫療有著不同的內涵。對於公眾，意味著更便捷可及的醫療服務；對於醫護人員，不僅可以提高診療速度，還可以讓診療更加精準，通過大量的數據分析支持他們的診斷。這裏就不得不提到專家係統，它應該是一個典型的醫療應用，是大數據和人工智能的緊密結合。
專家係統是一個具有大量的專門知識與經驗的程序係統，它應用人工智能技術和計算機技術，根據某領域一個或多個專家提供的知識和經驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的複雜問題。簡言之，專家係統是一種模擬人類專家解決領域問題的計算機程序係統。專家係統的發展已經曆了3個階段，正向第四代過渡和發展。第一代專家係統（dendral、macsyma等）以高度專業化、求解專門問題的能力強為特點。但在體係結構的完整性、可移植性、係統的透明性和靈活性等方麵存在缺陷，求解問題的能力弱。第二代專家係統（mycin、casnet、prospector、hearsay等）屬單學科專業型、應用型係統，其體係結構較完整，移植性方麵也有所改善，而且在係統的人機接口、解釋機製、知識獲取技術、不確定推理技術、增強專家係統的知識表示和推理方法的啟發性、通用性等方麵都有所改進。第三代專家係統屬多學科綜合型係統，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機製及控製策略，並開始運用各種知識工程語言、骨架係統及專家係統開發工具和環境來研製大型綜合專家係統。在總結前三代專家係統的設計方法和實現技術的基礎上，已開始采用大型多專家協作係統、多種知識表示、綜合知識庫、自組織解題機製、多學科協同解題與並行推理、專家係統工具與環境、人工神經網絡知識獲取及學習機製等最新人工智能技術來實現具有多知識庫、多主體的第四代專家係統。
接下來將通過生動有趣的過程講解，幫助讀者了解使用SmartMining敏捷挖掘桌麵版，以決策樹算法為背景，依托大數據如何構建專家診病模型，以及如何通過可視化探索數據，實現決策樹同樣的計算結果！

..............................