5、医疗诊断中的混合智能系统及其在医疗保健中的应用

医疗诊断中的混合智能系统及其在医疗保健中的应用

1. 混合智能系统

智能系统具有混合性，是现代计算智能领域最重要的研究方向，主要致力于开发下一代智能系统。研究混合系统的动力源于学术界推动的社区意识普及，它结合不同方法来解决人工智能相关问题。

为克服单一方法的弊端，实现协同效应，需要综合运用多种计算方法或引入新技术。当前有多种用于建模专业知识的框架，如软计算方法、决策支持、图像和视频分割技术、过程控制、机器人技术、自动化等。这些技术大多采用各种信息获取方案、决策模型和学习策略来解决计算问题，通过多种方法结合克服单一方法的不足，从而催生了不同的智能系统架构。

混合智能架构可分为四类：独立系统、转换系统、分层混合系统和集成混合系统。融合架构是互联智能系统的一种，它将单一机器模型与多种技术结合，进行数据和信息表示的交换。另一种方法是将不同策略并列用于解决问题，依靠它们之间的交互。集成模型能提高系统的鲁棒性、性能和问题解决能力，而完全集成的模型则能支持包括适应性、广泛应用、噪声容忍度和合理性等在内的多种特性。

在本章中，有两种架构属于集成模型。其中，第1.2.1节介绍了结合神经网络学习和进化计算的混合机制，用于改进推理系统，并给出了应用示例；第1.2.2节探讨了模糊聚类算法和模糊推理方法在网络挖掘任务中的混合应用。

1.1 模糊推理系统的自适应

传统的模糊推理方法采用专家模型，专家知识是设计模糊推理系统的关键。考虑性能指标时，需要对隶属函数、知识库和推理过程等进行调整。这涉及到隶属函数、规则库和聚合算子的自适应，具体包括：
- Procyk提出的自组织模糊控制器，考虑规则生成和自适应问题。
- 应用梯度下降