1.一种基于CMKMC的人机协同智慧医疗辅助决策系统，其特征在于，包括：疾病初诊模块，用于将临床数据匹配动态医疗认知属性知识库的疾病节点属性，以确定临床疾病疑似病范围、提供临床检查指导，获取初诊结果；

精确诊断模块，用于将疾病初诊模块无法确诊对应的临床数据通过机器学习诊断网络集群以进行疑似病量化患病风险概率分析，获得精诊结果；

综合诊断模块，用于将针对临床疑难疾病的机器学习网络集群精确诊断结果与医疗认知属性知识库中的初诊节点信息进行校验，综合评估获取诊断结论；

自进化模块，用于对系统误诊病例进行分析和再学习，更新医疗认知属性知识库推理路径及节点属性，并调整机器学习诊断网络集群内部参数；

所述疾病初诊模块中的动态医疗认知属性知识库包括多个临床疾病节点实体、节点属性以及节点之间的认知推理路径；其中，临床疾病节点实体由临床表现子节点实体与临床检查子节点实体组成；临床表现子节点实体由多组临床症状表现组成，临床检查子节点实体由多种临床检查手段组成；节点之间的认知推理路径，以当前临床医疗认知为基础，基于临床医疗大数据的分析与知识总结归纳，以关键临床特征为判断特征，建立逻辑推理关系，将临床医疗认知具化为多条连接各节点的认知推理路径；

其中，所述综合诊断模块包括校验分析模块、诊断分析模块和临床检查指导模块；

校验分析模块用于将精诊结果中对应患病风险高于预设阈值的几种疾病与初诊结果的疾病怀疑范围进行校验分析；

诊断分析模块，用于将系统初诊节点与精诊结果相符或不相符的疾病节点中所对应的临床表现属性分析结果及推理路径与初诊、精诊结果一并输出以辅助医生决策；

临床检查指导模块，用于增加所需的临床检查反馈给医生；

所述 CMKMC 为动态医疗认知属性知识库与机器学习网络集群的简称。

2.根据权利要求1所述的一种基于CMKMC的人机协同智慧医疗辅助决策系统，其特征在于，所述精确诊断模块包括数据补全层、集群诊断层和结论融合层；

数据补全层，用于对临床检查数据的缺失数据，采用数理统计、回归分析、数据拟合对其进行补全；

集群诊断层，用于通过数个相互独立的基础机器学习诊断网络，对补全后的临床数据做出各自的独立诊断分析；

结论融合层，用于对集群诊断层输出的结果进行综合决策，获得精确诊断结果。

3.根据权利要求2所述的一种基于CMKMC的人机协同智慧医疗辅助决策系统，其特征在于，所述集群诊断层中数个相互独立的基础机器学习诊断网络包括SVC、RBF‑NN、ANFIS、Naive Bayes。

4.根据权利要求2所述的一种基于CMKMC的人机协同智慧医疗辅助决策系统，其特征在于，所述结论融合层包含集成分析层与决策返回层，所述集成分析层用于采用多个集成学习器对集群诊断层输出的结果进行综合决策，并最终提供患病概率估计；所述决策返回层，用于为系统返回其中风险概率最高的三种疾病诊断结果及其对应的风险概率值。

5.根据权利要求4所述的一种基于CMKMC的人机协同智慧医疗辅助决策系统，其特征在于，所述集成分析层中的多个集成学习器包括Adaboost、Logistic回归、随机森林、ID3决策树、Bagger加权平均。

6.根据权利要求1所述的一种基于CMKMC的人机协同智慧医疗辅助决策系统，其特征在于，所述自进化模块包括误诊病例分析模块、误诊样本再学习模块、特征提取模块和无监督训练分析模块；

所述误诊病例分析模块用于在误诊样本数量积累到设定阈值后分析误诊样本的属性和特征；

所述误诊样本再学习模块用于对误诊样本进行二次学习，更新机器学习网络的诊断概率期望，从而进化机器学习网络集群；

所述特征提取模块，用于对类似病例提取疾病主要特征；

所述无监督训练分析模块用于寻找疾病节点之间潜在的联系，建立认知推理路径；当之前没有建立关系的疾病节点或节点属性之间的联系超过阈值并得到相应的确认之后，更新动态认知属性知识库中的节点属性与逻辑通路。