乳腺多频电阻抗扫描成像系统(EIS)利用人体正常组织与恶性病变组织之间的电阻抗特性差异，将各个激励频率测得的导纳值映射到灰度图像，通过图像的亮斑来区分病例。但是由于皮肤阻抗，电极.皮肤接触阻抗等影响，获得图像噪声较大。多频特征参数含有丰富的病例信息，为此考虑基于多频特征参数的病例分类方法。　　 本文首先介绍了组织多频电阻抗数学模型，在此基础上选择了Cole模型作为特征频率拟合对象，提出了一种基于局部频率的特征频率拟合方法。结果显示，新系统分布距离较老系统有明显提高，具有较好的敏感度。改进拟合算法使得新老版本系统分布距离都有明显升高，对于良恶性病例有更好的区分度。同时本文还进行了乳腺对称侧位置特征频率的研究，研究发现恶性组织特征频率有明显的升高，而良性组织则与正常组织类似。　　 论文在此基础上，进行了基于多频特征参数的支持向量机分类实验，对比常见核函数对分类结果的影响。实验使用病例拟合得到的四个多频特征参数G0，G∞，ωc，α，按照16个电极排列组成64维特征向量。实验结果表明，基于多频特征参数的支持向量机病例分类有着良好的效果。四种常用核函数准确率差异不大，其中使用线性基核所得准确率最高，交叉验证准确率达90.9091％。在今后类似的研究中，可以作为首选核函数。　　 本文最后提出了基于主成分分析的病例评级，采用五级评估方式对病例分类，保证结果简洁，并提供丰富的病例信息。选取的多频特征参数为(G0G∞，ωc，α，M，φ，S，R)。研究表明利用这种方法对病例分类灵敏度为50％，特异度为88.37％，准确度为84.38％。