关于马田系统若干问题地研究——以医疗数据为例.pdf

摘要 博士论文 经典马田系统采用正交表与信噪比的方法来判定特征变量有效性。这种方法不仅 计算繁杂，而且随着特征变量的增多，计算量也随之成倍增大。本论文根据田口玄一 的基于数据分析的思想，讨论了熵值法在特征变量优化选择问题中的应用，阐明了应 用熵值法进行特征变量选择的基本原理与计算过程，并通过实际的应用算例表明熵值 法的有效性。 利用二水平正交表法与熵值原理法能够剔出掉那些对识别效果起负作用或者基 本不起作用的特征变量(I类特征变量)，但是却难以识别出那些对最终识别效果起相 似作用的特征变量(H类特征变量)。笔者通过模糊聚类的分析方法，对特征变量进 行模糊聚类分析，使得相似的特征变量归为一类，从而达到识别II类特征变量的目 的。 4)马田系统多类判别研究 经典马田系统中，由于基准空间是由一类正常总体所定义，因而对于判别待检样 品正常与否的两类判别情形具有良好的效果。然而，对于多类判别的情形，经典的马 田系统方法则不能很好的解决此类问题。本论文依据分类两种类型(有序分割类型与 一般类型)，分别采用3盯准则与扰动模糊的分析方法，对多类判别进行了研究，并阐 明了进行多类判别的原理与计算过程。