高斯模糊积分及其在癌症诊断中的应用

经典模糊积分只是将高维空间的数据沿着线性被积函数决定的直线投影到一维空间,无法覆盖现实问题中不规则分布的数据。本文提出一种新的模糊积分扩展形式-基于高斯函数的模糊积分（高斯模糊积分）,由于高斯函数的分布曲线趋于正态分布,将其作为被积函数,能更大范围的覆盖数据,并基于此构建分类模型。在实验部分将新的分类模型应用到几个经典数据库,以验证扩展后的性能,结果表明,基于高斯函数的模糊积分能更好的发挥模糊积分的特性,分类效果明显优于传统模糊积分。最后将其应用到疑似乙肝病毒基因数据库,进行疾病诊断。所有病例来自威尔士医院,包括真正病人和疑似患者两类。我们试图通过高斯模糊积分来进一步诊断病人的真实情况,结果表明高斯模糊积分具有较高的测试敏感度,这一指标是医学研究者最为关心的,即尽量保证不错过一个可能病例。