导读:本文包含了羊病诊断专家系统论文开题报告文献综述及选题提纲参考文献，主要关键词:专家系统,犬病,云计算,混合推理
羊病诊断专家系统论文文献综述
吴礼平,曾纪辉,沈文正,高睿,张振仓[1]（2015）在《基于云技术的犬病诊断专家系统的研究》一文中研究指出针对传统犬病诊断专家系统存在的问题,结合"互联网+"和大数据、云计算时代对犬病诊断专家系统提出了新的要求,采用PHP+My SQL+AJAX技术设计实现了部署于Paa S云计算平台上的犬病诊断专家系统。该系统采用混合推理机制和广度优先搜索策略,运用产生式规则实现化验数据分析和犬病诊断功能;通过排除性规则和修正性规则,优化诊断性能;通过采集和开放病例大数据,用人工诊断的经验进一步完善该系统。(本文来源于《安徽农学通报》期刊2015年18期）
胡海婷,朱莉[2]（2015）在《基于BP神经网络和Android的犬病诊断专家系统》一文中研究指出本文针对当前犬病诊断设计方案的各种优缺点,将神经网络与专家系统知识应用到犬病诊断及其防治中,运用高级编程语言开发基于BP神经网络和Android的犬病诊断专家系统,选取20种犬常见传染病,实现模拟诊断。文章阐述了系统的设计、知识数据库的构建,以及BP神经网络模型的设计和实现过程,系统模型仿真结果和兽医专家诊断结果相比,诊断正确率达到81.5%,具备一定的综合诊断能力。本设计应用到新媒体领域,使专业性、技术性很强的犬病诊断问题变得简便易行,推动兽医知识在非专业人员中的传播与分享。(本文来源于《上海畜牧兽医通讯》期刊2015年04期）
潘彩霞,薛佳妮,于辉辉,封文杰[3]（2015）在《基于本体的鱼病诊断专家系统的构建》一文中研究指出针对传统的鱼病诊断专家系统存在知识表示不精确且推理效率低,不同的专家系统之间知识共享困难等问题,建立了一种基于本体的鱼病诊断专家系统。通过改进的"六步法"对鱼病诊断知识本体进行建模,进而建立鱼病诊断专家系统。该鱼病诊断专家系统大大提高了知识表示的精确性和推理效率,且能够实现鱼病诊断知识的共享。(本文来源于《广东农业科学》期刊2015年01期）
马冬萍,陈明,陈文娜[4]（2014）在《基于MAS鱼病诊断专家系统的设计与应用》一文中研究指出基于分布式鱼病诊断的思想,结合多Agent技术的智能性、自治性、协作性的优异性能以及分布式计算能力,构建基于MAS的分布式鱼病诊断专家系统的体系结构,克服了单一领域专家的局限性,实现跨区域的协同诊断。针对各鱼病诊断专家的分布式区域管理的特点,改进传统的合同网模型,设计一种分布式鱼病诊断的任务分配机制,并通过实验证明了该任务分配的有效性,同时提高了任务分配的效率,增加了鱼病诊断结果的精确性。(本文来源于《计算机应用与软件》期刊2014年02期）
郭涛,靳志强,杨磊[5]（2011）在《基于Web的犬病诊断专家系统的设计与实现》一文中研究指出模拟兽医专家的诊断过程,对290余种犬病用计算机进行诊断模拟,充分发挥Internet收集、共享知识和数据的优势,改善了诊断专家系统的性能并扩展增强了诊断功能。采用正-反向结合的混合推理策略及深度优先的搜索方式,利用MVC设计模式,实现了基于Web的犬病诊断专家系统。可以为犬病专家和养犬人士提供方便。(本文来源于《河北农业大学学报》期刊2011年02期）
李驰航[6]（2009）在《基于Web的羊病诊断专家系统关键技术的研究》一文中研究指出随着我国农村产业结构的调整、养羊业的迅猛发展,随之而来的是羊病诊断和预防工作的亟待加强,特别是农村基层兽医工作者缺乏、诊断水平较低的状况急需改观。借助基于Web的专家系统辅助羊病诊断可以有效地弥补羊病专家紧缺的问题,促进羊病诊断研究成果的快速、有效转化。本文在充分调查人类专家诊断羊病的方法的基础上,针对现有基于案例推理(Case-based Reasoning,CBR)的羊病诊断专家系统的不足,如案例表示、案例库组织、案例检索和系统架构等方面,研究并开发了基于Web的CBR羊病诊断专家系统。主要研究内容和结论如下:(1)分析了羊病案例知识的表示内容和方法。采用XML半结构化方法表示案例,将案例编号、案例类别、案例特征属性、诊断结果和治疗方案作为描述案例的特征信息。(2)对案例库的组织结构作了详细的设计。案例库采用两级结构进行组织:代表案例库和具体子案例库。采用遗传算法(Genetic Arithmetic,GA)改进的基于核函数模糊C均值聚类(Kernel-Based Fuzzy C-Means Clustering Arithmetic,KFCM)的算法,对原始案例库进行聚类分析,构造出各个子案例库;再用最近距离法找出各个子案例库中的代表案例。这种两级案例库的组织结构减少了案例检索的次数,提高了检索效率。(3)将粗糙集原理(Rough Set Theory,RS)应用于案例检索过程中,约简了冗余属性并计算出核心属性的权值。实验结果表明该方法易于实现,性能良好,计算出的权值能准确反映各核心属性在实际诊断问题中的重要程度。(4)根据系统的需求分析,在Windows XP操作系统上,采用B/S架构,运用dom4j技术存取XML数据,使用Java开发语言在MyEclipse7.0集成开发环境下实现了基于Web的羊病诊断专家系统。经系统对20个羊病尝试诊断表明,系统具有良好的实用性,诊断准确率达95%。(本文来源于《西北农林科技大学》期刊2009-05-01）
贡成良,石丹平,薛仁宇,曹广力[7]（2009）在《网络版蚕病诊断与防治专家系统设计》一文中研究指出为普及家蚕病害的基础知识,辅助提高蚕病诊断的准确率和蚕病防治技术水平,采用微软成熟的IIS+ASP+ACCESS技术建立了基于Internet的包含19种主要家蚕病害在内的诊断与防治专家系统(http:∥211.90.162.131:8099/)。该系统包括蚕病基本知识、识别与诊断知识、发病规律与防治知识、辅助诊断系统以及咨询与影像系统。计算机模糊判断法是辅助诊断系统的核心模块,该模块通过将专家经验转化为可供计算的模式概率值,建立数据库,即可从已知的病征(事实、证据)出发,采用模糊产生式诊断规则给出模糊断言的最大值作为诊断结果,并自动提出相应的防治措施。(本文来源于《蚕业科学》期刊2009年01期）
尹银平,印润远[8]（2009）在《基于Fuzzy推理的鱼病诊断专家系统》一文中研究指出鱼病诊断过程中存在大量的Fuzzy性问题,通过对叁I算法的分析,提出一个基于RM蕴涵算子的叁I算法,并就FMP(fuzzy modus pronens)问题,运用该算法,研究基于多维,多重以及多维多重规则时的解。该算法在研究鱼病诊断系统的过程中结合鱼病专家知识库,提取出鱼病诊断规则,抽象出鱼病诊断Fuzzy推理的一般性模型,并给出了基于该模型的算法,在该算法中,应用的Fuzzy推理是基于RM算子的叁I算法。(本文来源于《上海海洋大学学报》期刊2009年01期）
高锡强,王洪斌,肖建华,王靖飞[9]（2008）在《基于网络的猪病诊断与防治专家系统的构建》一文中研究指出该猪病诊断与防治专家系统是以猪疾病诊断专家知识为基础,利用现代计算机技术、网络技术和数据库技术构建而成,具有可操作性的计算机软件。该系统采用由症状到疾病的推理诊断方式和由疾病到症状的推理诊断二种方式进行诊断。该系统所要达到的目的是:用户通过Internet远程访问服务器,就可以享用专家知识进行猪病的诊断与防治,实现猪病诊治的智能化、数字化及网络化,为提高基层兽医和养殖单位临床猪病诊治能力提供了先进的技术支持。(本文来源于《中国动物检疫》期刊2008年10期）
杜少杰[10]（2008）在《基于可信度推理的猪病诊断专家系统》一文中研究指出针对猪病诊断过程中广泛存在的证据不确定性,建立了能够处理这种不确定性的推理模型基于证据可信度的推理模型,给出了证据可信度的表示方法、传递算法。该模型很好地体现了猪病诊断中存在的不确定性,减小了主观因素对诊断结论准确性的影响。(本文来源于《安徽农业科学》期刊2008年10期）
羊病诊断专家系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文针对当前犬病诊断设计方案的各种优缺点,将神经网络与专家系统知识应用到犬病诊断及其防治中,运用高级编程语言开发基于BP神经网络和Android的犬病诊断专家系统,选取20种犬常见传染病,实现模拟诊断。文章阐述了系统的设计、知识数据库的构建,以及BP神经网络模型的设计和实现过程,系统模型仿真结果和兽医专家诊断结果相比,诊断正确率达到81.5%,具备一定的综合诊断能力。本设计应用到新媒体领域,使专业性、技术性很强的犬病诊断问题变得简便易行,推动兽医知识在非专业人员中的传播与分享。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
羊病诊断专家系统论文参考文献
[1].吴礼平,曾纪辉,沈文正,高睿,张振仓.基于云技术的犬病诊断专家系统的研究[J].安徽农学通报.2015
[2].胡海婷,朱莉.基于BP神经网络和Android的犬病诊断专家系统[J].上海畜牧兽医通讯.2015
[3].潘彩霞,薛佳妮,于辉辉,封文杰.基于本体的鱼病诊断专家系统的构建[J].广东农业科学.2015
[4].马冬萍,陈明,陈文娜.基于MAS鱼病诊断专家系统的设计与应用[J].计算机应用与软件.2014
[5].郭涛,靳志强,杨磊.基于Web的犬病诊断专家系统的设计与实现[J].河北农业大学学报.2011
[6].李驰航.基于Web的羊病诊断专家系统关键技术的研究[D].西北农林科技大学.2009
[7].贡成良,石丹平,薛仁宇,曹广力.网络版蚕病诊断与防治专家系统设计[J].蚕业科学.2009
[8].尹银平,印润远.基于Fuzzy推理的鱼病诊断专家系统[J].上海海洋大学学报.2009
[9].高锡强,王洪斌,肖建华,王靖飞.基于网络的猪病诊断与防治专家系统的构建[J].中国动物检疫.2008
[10].杜少杰.基于可信度推理的猪病诊断专家系统[J].安徽农业科学.2008