[发明专利]一种基于KNN与遗传算法融合的专家系统构建

权利要求书

1.一种基于KNN与遗传算法融合的专家系统构建，其特征在于，包括:

用户端，用于获取用户的知识学习数据；

服务器，用于存储用户的知识学习数据；

专家端，用于从服务器获取学习方案，对学习方案进行调整，并覆盖服务器中的原始方案；

其中，用户端的输出端与服务器的输入端通讯连接；服务器的输出端与专家端的输入端通讯连接，专家端的输出端还与用户端的输入端连接。

2.根据权利要求1所述的一种基于KNN与遗传算法融合的专家系统构建，其特征在于，服务器包括存储模块、处理模块和可视化模块；

存储模块用于存储用户的初始学习数据；

处理模块基于存储模块中的知识学习数据为用户构建学习方案；

可视化模块将处理模块的学习方案进行可视化处理；

其中，存储模块的输出端与处理模块的输入端通讯连接；处理模块的输出端与可视化模块的输出端通讯连接。

3.根据权利要求1所述的一种基于KNN与遗传算法融合的专家系统构建，其特征在于，专家端包括以下步骤：

S1、将学习方案以向量形式表述并存储；

S2、使用基于GA-KNN方法算法建立的模型进行分析；

S3、通过海量学习数据的增删改查模块，对学习方案进行调整；

S4、向用户端推送新的学习方案。

4.根据权利要求1所述的一种基于KNN与遗传算法融合的专家系统构建，其特征在于，S2具体包括：初始化权重种群，及产生大量的与学习方案属性对应的权重；

使用改进的相似算法从案例库中搜索出相似案例，即在测试数据库中寻找相似案例,进行推理时检索算法采用最常用的K-NN邻近算法；

为每个染色体计算适应性函数，并进行遗传算法的进化操作；

根据适应性函数的具体函数值评估结果。

5.根据权利要求1所述的一种基于KNN与遗传算法融合的专家系统构建，其特征在于，S3具体包括：对学习方案等资料的批量增加和批量删除、对录入有误数据的修改以及对特定相关案例的查询；

海量数据的增删改查技术必须确保对用户操作及函数调用的及时响应；

确保数据在储存、读取及修改时的可靠性。