肾炎诊断问题分数析学建模.docVIP

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