资源描述：
《基于bayes判别法的胃病鉴别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于bayes判别准则的胃病分类模型摘要（针对什么问题，采用了什么方法原理，建立了什么模型，得到了什么结果，10分，3/4最合适）本文解决的问题是如何根据被检验者的各项生化指标，建立合理的判别准则，将被混淆的12个样本结果区分开来，并且判别胃病的类别。在合理的假设下，利用系统聚类原理，将所给的12组数据进行分类，计算分类后患胃癌、萎缩性胃炎、非胃病的概率分别为、、，再利用bayes判别函数求出待测样本的的得分，判别待测样本的所属类型。针对问题一，首先利用spss软件对样本A、B、C(题中已给定类别的三组)数据进行系统聚类。再
2、利用bayes判别模型，由分类后数据求出判别函数，带入样本的指标计算得分，判别出混淆的12个样本的所属类型。针对问题二，由问题一得出的判别准则，把待判数据X、Y、Z带入判别函数，得出X、Y为胃炎患者，Z为非胃病患者。本文最后将被混淆的12个样本区分开来，并且判别就诊者中有两个胃炎患者，另一个是非胃病患者，文章的末尾给出模型的评价及模型的改进方向。关键词：系统聚类；bayes函数判别法；SPSS统计1问题重述胃癌患者易误诊为萎缩性胃炎患者以及非胃病患者。进行胃癌的鉴别主要是通过化验4项生化指标：血清铜蓝蛋白（X1）、蓝色反应（
3、X2）、尿吲哚乙酸（X3）、中性硫化物（X4）。本来从胃癌患者、萎缩性胃炎患者以及非胃病患者中一共抽取了12人进行指标化验，但是由于医护人员的疏忽，将化验结果搞混了。现有以前对胃癌患者、萎缩性胃炎患者以及非胃病患者化验的结果各一例，依次为（228,134,0.20,0.11）、（150,117,0.07,0.06）、（135,108,0.02,0.12），混淆的化验结果见附件医学上一般根据临床的经验认为，患同一种病的人所表现出来的特征往往是相似的。现在需要解决两个问题（1.）建立一种判别准则，把上述混淆的结果区分开来。（2）
4、.再给你三个病人的化验指标如下：（210,142,0.10,0.08）、（180,120,0.08,0.21）、（150,130,0.05,0.14），试区分他们各属于哪一类人群。2问题分析：题中有三个已知样本，一个胃癌患者、一个萎缩性胃炎患者、一个非胃病患者，但是样本量太小，为得到一个可靠的标准，首先对混淆的十五个样本聚类，然后用聚类后得到的样本建立判别准则。第一步：利用系统聚类的方法，将13、14、15三个已知样本加入到十二个混淆样本中进行聚类，聚成三类得到一个较大样本的，成为待判三个样本的判别标准。第二步：，由第一步得
5、到的判别标准，利用bayes判别法判断这三个待判病人（210,142,0.10,0.08）、（180,120,0.08,0.21）、（150,130,0.05,0.14）。分别属于哪一类3模型假设：（要合理，要与模型相关，不要无中生有）假设1：被检测的人员除本题研究的疾病相关外无任何疾病。假设2：被检测的人员种族，血缘之间没有任何关联。假设3：被检验的四项生化指标两两之间无关联。4符号说明：（一定要做两次说明，在模型建立的时候还要做一次说明，要让阅卷老师看起来方便）为第i个函数（i=1、2、3）为第i个方程第j个指标前的系数
6、（i=1、2、3；j=1、2、3、4）为第i个方程的常数项（i=1、2、3）为胃病的样本（i=1、2、3），其中1为胃癌，2为胃炎，3为非胃病为两两样品间的距离（）5模型建立（一般模型的建立与求解是写在一起的，占40——60分）5.1模型一利用系统聚类的方法处理数据（交代所采用的方法的原理）由于各指标的单位和数量级差异较大，应先将所有数据标准化。定义为不同指标，为待测数据序号，公式如下：(1)先把12个混淆样本和三个已知样本单独视为一类，即分成15类，算出每两类间的距离共个距离，定义两两样品间的距离为，其中我们采用欧氏距离计
7、算。定义分别表示不同的类别，（1、2、3、4）表示维数。则为：(2)然后根据距离最小的原则，依次选出一对分类对象，并成新类。如果其中一个分类对象已归于一类，则把另一个也归入该类；如果一对分类对象正好属于已归的两类，则把这两类并为一类。每一次归并，都划去该对象所在的列与列序相同的行。经过14次就可以把全部分类对象归为一类，这样就可以得到谱系聚类图。对于新类与当前类的距离，我们需先重新确定新类的重心，再用重心坐标算欧氏距离即可。假设将类和合并成新类。则的重心为：(3)聚类的过程如下:各自确定一个聚点计算两两类之间的距离，将距离最
8、近的聚成一类重新确定聚点分类是否合理分类结束修改模型YesNo经过数据处理后我们就得到了一个已知类型的样本，其中13、14、15分别属于一类。5.2模型二经过模型一处理后我们就得到了一个已知类型的样本，其中13、14、15分别属于一类，在模型一的求解过程中可以得到胃癌患者、胃炎患者、非胃病
