1.基于人工智能和大数据分析的智能医疗诊断方法，其特征在于，包括以下步骤：S1：实时获取医疗数据集，对医疗数据集中的数据进行预处理，得到统一格式的医疗数据集，基于统一格式的医疗数据集，使用数据集融合算法得到综合医疗数据集；

S2：基于综合医疗数据集，使用主成分分析技术提取特征，基于提取的特征，使用特征评分算法计算得到特征得分，基于特征得分，设定评分阈值，选择特征得分高于评分阈值的特征组成优选特征向量；

S3：基于优选特征向量和规则库，使用规则匹配算法计算得到规则匹配度；

S4：基于规则匹配度，使用智能医疗诊断匹配算法评估疾病的诊断匹配度，基于疾病的诊断匹配度，选择所有疾病中诊断匹配度最高的疾病作为最终诊断结果。

2.如权利要求1所述的基于人工智能和大数据分析的智能医疗诊断方法，其特征在于，步骤S1中，医疗数据集包括电子病历、医学影像、检测数据。

3.如权利要求1所述的基于人工智能和大数据分析的智能医疗诊断方法，其特征在于，步骤S1中，综合医疗数据集通过数据集融合算法对统一格式的医疗数据集的不同医疗数据集赋予不同的权重，同时基于时间调节参数和时间权重计算得出。

4.如权利要求1所述的基于人工智能和大数据分析的智能医疗诊断方法，其特征在于，步骤S2中，特征得分由特征评分算法基于提取的特征，结合特征的重要性权重、相关性评分、频率调节因子以及非线性调节因子计算得出。

5.如权利要求1所述的基于人工智能和大数据分析的智能医疗诊断方法，其特征在于，步骤S3中，规则库的构建包括：从医学文献和专家知识中提取疾病的诊断标准和症状，形成诊断规则；

将诊断规则进行规则编码来构建规则库。

6.如权利要求1所述的基于人工智能和大数据分析的智能医疗诊断方法，其特征在于，步骤S3中，规则匹配度由规则匹配算法通过对优选特征向量中的特征进行加权和归一化处理计算得到。

7.如权利要求1所述的基于人工智能和大数据分析的智能医疗诊断方法，其特征在于，步骤S4中，智能医疗诊断匹配算法通过对所有规则的匹配度进行加权处理，通过正切函数和标准差对特征进行非线性处理，并使用指数衰减函数对规则匹配度进行平滑处理，以得到疾病的诊断匹配度。

8.基于人工智能和大数据分析的智能医疗诊断系统，其特征在于，应用如权利要求1至7任一项所述的基于人工智能和大数据分析的智能医疗诊断方法，所述基于人工智能和大数据分析的智能医疗诊断系统包括：医疗数据集获取模块，用于实时获取医疗数据集；

数据预处理模块，用于接收来自所述医疗数据集获取模块的所述医疗数据集，并对所述医疗数据集中的数据进行预处理，得到统一格式的医疗数据集；

数据集融合模块，用于接收来自所述数据预处理模块的所述统一格式的医疗数据集，并使用数据集融合算法对所述统一格式的医疗数据集进行处理，得到综合医疗数据集；

特征提取模块，基于所述数据集融合模块的所述综合医疗数据集，使用主成分分析技术提取特征，基于提取的特征，使用特征评分算法计算得到特征得分；基于所述特征得分，设定评分阈值，将特征得分高于所述评分阈值的特征组成优选特征向量；

规则库构建模块，用于从医学文献和专家知识中提取疾病的诊断标准和症状，形成诊断规则，并将所述诊断规则进行编码，以构建规则库；

规则匹配模块，基于所述特征提取模块的所述优选特征向量和所述规则库构建模块的所述规则库，使用规则匹配算法计算得到规则匹配度；

智能医疗诊断模块，基于所述规则匹配模块计算得到的规则匹配度，使用智能医疗诊断匹配算法评估疾病的诊断匹配度，基于所述疾病的诊断匹配度，选择所有疾病中诊断匹配度最高的疾病作为最终诊断结果。