27、基于人工神经网络与Mittag - Leffler函数的生物数据集疾病诊断与预测研究

基于人工神经网络与Mittag - Leffler函数的生物数据集疾病诊断与预测研究

1. 引言

复杂的生物现象难以仅依靠单一类型的数据进行全面解释，尤其是癌症和糖尿病等疾病相关的生物数据集，具有多变量、异质性、动态性和复杂性等特点。因此，需要从整体理论视角出发，并采用综合应用方法来处理这些数据，以实现更精准的疾病诊断和预测。

2. 研究方法与数据集处理

本研究针对癌症和糖尿病这两种对健康有重大影响的疾病相关数据集展开工作。具体步骤如下：
- 生成新数据集 ：将双参数Mittag - Leffler函数应用于原始生物数据集（癌症细胞数据集和糖尿病数据集），得到新的数据集（ml_cancer cell dataset和ml_diabetes dataset）。
- 应用重尾分布 ：对新数据集应用重尾分布（Mittag - Leffler分布、Pareto分布、Cauchy分布和Weibull分布），并通过对数似然值和Akaike信息准则（AIC）比较它们的性能。同时，确定代表癌症细胞和糖尿病数据的ML函数，找到基于分布拟合产生最优值的两个参数 ( E_{\alpha,\beta}(z) )。
- 疾病诊断与预测 ：使用MLP算法（多层感知器）对代表癌症细胞和糖尿病数据集的最优ML函数进行疾病诊断和预测，评估指标包括准确率、灵敏度、精度、特异性、F1分数、多类分类（MCC）和ROC曲线。
- 性能比较 ：比较具有重尾分布的ML函数与ANN训练函数（Levenberg - Marquart、B