肾炎诊断问题分析
摘要
本文解决的是如何根据就诊者体内各种元素的含量，判别就诊者是否患有肾
炎，并找出影响人们患肾炎的主要因素，以便减少化验的指标，减少检查费用。
为解决此问题，我们建立了加权马氏改进模型和模糊模式识别模型来判别就诊者
是否患有肾炎，并用神经网络对这两个模型的检验结果进行验证；建立了 fisher
判别模型找出影响人们患肾炎的主要因素。
对于问题一：我们建立了加权马氏距离判别模型和模糊模式识别模型来验证
1-60 号就诊人员的健康状况，然后与实际情况对比，得出这两种模型的准确度
都达到了 93.33%.
对于问题二：我们用问题一中的两种方法对就诊人员进行判别。用加权马氏
判别法得到 14 人患有肾炎，用模糊模式识别得到 11 人患有肾炎。两种判别方法
都得出：病例号为 61,62,64,65,66,67,68,69,72,73,76 的就诊人员为肾炎患者，
但对病例号为 79,83,85 的就诊人员判断不一致，用加权马氏判别模型判断，认
为 79,83,85 号为患者，但用模糊模式识别模型判断这三位是健康的。
对于问题三：我们通过 fisher 判别法得出每种元素对人们患肾炎的影响权
重。发现将 K，Zn，Fe 三种元素剔除后，对结果的检验准确度仍能达到 93.3%，
将 Na 剔除以后准确度变为 90.0%，所以我们认为 Na，Mg，Cu，Ca 的含量是影响
人们患肾炎的关键因素。
对于问题四：我们由第三问得到的结论，把影响人们患肾炎的关键元素作为
主要指标，重复问题二的过程，得到的结果是 61,62,64,65,66,67,68,69,72,73，
76 的就诊者为肾炎患者，病例号为 79,83,85 的就诊人员仍然不能确定。
对于问题五：我们将问题二和问题四中的结果进行横向和纵向对比，发现加
权马氏改进法和模糊模式识别在剔除了 K，Zn，Fe 三种元素后，对于待检验的
61-90 号就诊人员，患肾炎的病号和健康病号没有发生变化，说明我们对影响人
们患肾炎的关键因素的判断很准确。
关键词：加权马氏距离判别 模糊模式识别 fisher 判别 神经网络
剩余42页未读，继续阅读
评论0