1.基于模糊推理的专家经验推理系统，其特征在于：包括症状获取模块，用于获取用户的症状信息，所述症状信息包括症状的名称及症状的严重程度信息；

专家经验规则库，用于存储多条专家规则，所述规则为某一疾病和该疾病的所有症状及症状的严重程度；

模糊化模块，用于对所述严重程度信息通过隶属函数进行模糊化；所述隶属函数为高斯隶属函数；

模糊推理模块：用于根据模糊化后的症状信息以及专家经验规则库内的规则，利用模糊推理计算出用户的症状信息所对应的疾病为推理结果。

2.根据权利要求1所述的基于模糊推理的专家经验推理系统，其特征在于：所述模糊推理模块，用于通过计算模糊化后的症状信息与专家经验规则库和大数据病例规则库中的每一规则的贴近度作为用户患病的概率，并选择贴近度最高的一条或多条规则所对应的疾病名称和概率一起作为推理结果。

3.根据权利要求2所述的基于模糊推理的专家经验推理方法，其特征在于：所述模糊推理模块，还用于先选出贴近度大于设定阈值的规则，并选择其中贴近度最高的一条规则所对应的疾病信息作为推理结果，如果没有贴近度大于设定阈值的规则，则不输出任何推理结果。

4.根据权利要求2或3所述的基于模糊推理的专家经验推理系统，其特征在于：还包括修正步骤，用修正函数对所得贴近度最大的规则的贴近度进行修正，得出最终修正结果表征该规则所对应的疾病信息发生的概率。

5.基于模糊推理的专家经验推理方法：包括以下步骤：

症状获取步骤：获取用户的症状信息，所述症状信息包括症状的名称及症状的严重程度信息；

规则获取步骤：从一专家经验规则库获取规则，所述规则为某一疾病和该疾病的所有症状及症状的严重程度；

模糊推理步骤：对所述严重程度信息通过隶属函数进行模糊化，根据模糊化后的症状信息以及已有的专家经验规则库，利用模糊推理得出用户的症状信息所对应的疾病信息，所述疾病信息包括疾病的种类和用户患该疾病的概率，并从疾病信息中选出概率最高的一个或多个疾病作为推理结果。

6.根据权利要求5所述的基于模糊推理的专家经验推理方法，其特征在于：所述模糊推理步骤中，通过计算模糊化后的严重程度信息、症状信息计算与专家经验规则库中的每一规则的贴近度作为用户患病的概率，并选择贴近度最高的一条或多条规则所对应的疾病信息作为推理结果。

7.根据权利要求6所述的基于模糊推理的专家经验推理方法，其特征在于：所述模糊推理步骤中，先选出贴近度大于设定阈值的规则，并寻则其中贴近度最高的一条或多条规则所对应的疾病信息作为推理结果，如果贴近度大于设定阈值的规则，则不输出任何推理结果。

8.根据权利要求6或7所述的基于模糊推理的专家经验推理方法，其特征在于：还包括修正步骤，用修正函数对所得贴近度进行相修正，得出最终修正结果表征该规则所对应的疾病信息发生的概率。