基于最小二乘支持向量机的传染病预测与研究
基于最小二乘支持向量机的传染病预测与研究防止传染病疫情的发生,直接关系到人民群众的身体健康,
关系到经济社会的顺利发展。传染病预测是科
学预防控制传染病的重要手段
,
是科学决策的依据。因此
,
对传染病预测方法的研究具有极其重要的理论意义
和应用价值。
本文尝试将支持向量机技术引入到传染病预测分析中来
,
对最小二乘支持向量机技术应用到传染病预
测中进行了一些探索
,
以期能够找到比传统预测方法更加优秀的传染病预测模型。
本文首先介绍了常用的传染病预测方法
,
其中重点研究了
BP
神经网络算法及其建模步骤
,
并分析了各
常用方法的特点。详细阐述了支持向量机的理论基础和原理
,
包括机器学习理论、统计学习理论等内容。详
细研究了标准支持向量机的改进形式—最小二乘支持向量机
(LS-SVM)
的算法
,
给出了
LS-SVM
建模中参数
选择的方法。建立了最小二乘支持向量机预测模型
,
并与
BP
神经网络模型进行了对比分析
,
实验证明了
LS-SVM
用于传染病预测的优越性
,
证明了将支持向量机方法引入传染病预测分析是有效可行的
,
同时也支
持了支持向量机方法预测能力出色的理论优点。最后将最小二乘支持向量机预测模型应用到传染病预测系
统中。
关键词：传染病
;;
预测
;;
最小二乘支持向量机
页:
[1]