7、基于算法复杂度的分数阶导数研究

基于算法复杂度的分数阶导数研究

在复杂生物系统中，准确解读数据对于理解多个生物元素相互作用产生的新兴特性至关重要。本文将围绕糖尿病数据集展开研究，运用多种数学方法和算法，深入探讨相关问题。

1. 糖尿病数据集

在复杂生物系统里，仅刻画系统中的单个生物组件是不够的，准确且合适的数学建模对研究问题起着关键作用，因为数学模型能让我们探索复杂过程以及与这些过程相关的干扰如何影响疾病。本研究聚焦于具有动态、异质性和复杂性特征的糖尿病生物数据集。

对于糖尿病的分类和预测，会考虑以下变量：
- 身体质量指数（BMI） ：根据BMI值，可分为体重过轻（18.5 - ）、健康（18.5 - 25）、超重（25 - 30）或肥胖（30 + ）。
- 胰岛素值 ：胰岛素值在16到166之间被认为是正常的，超出此区间则视为异常。
- 葡萄糖值 ：葡萄糖值分为低（70 - ）、正常（70 - 99）、隐秘（99 - 126）和高（126 - 200）用于分类。

具体的糖尿病数据集属性如下表所示：
| 糖尿病分类 | 属性（单位） | 详情 |
| ---- | ---- | ---- |
| 0 = 非糖尿病
1 = 糖尿病 | 身体质量指数（BMI）（体重（kg）/（身高（m）²）） | - |
| | 年龄（岁） | - |
| | 舒张压（mm Hg） | - |
| | 皮肤厚度（三头肌皮褶厚度（mm）） | - |
| | 胰岛素（2 - h血清胰岛素（m