基于最小二乘支持向量机的传染病预测与研究

杨利霞

基于最小二乘支持向量机的传染病预测与研究

! Y, i% Z2 R  E$ G0 H
+ x, _6 _9 V+ L& A  U* y7 P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
' W" k0 e: T, T% P2 r- X学预防控制传染病的重要手段
9 Z$ C6 X; Y# |4 A* [0 i" x,
是科学决策的依据。因此
,
: ~- [- Q( x! r对传染病预测方法的研究具有极其重要的理论意义
% i, e. e0 `3 G0 |) Y5 t和应用价值。

8 u& h; }  q3 [9 t9 P7 h
( Y# o8 y0 p0 U. {2 p' t( \本文尝试将支持向量机技术引入到传染病预测分析中来
) ]3 o1 Y6 ~8 v. o' X,
对最小二乘支持向量机技术应用到传染病预
" D* c2 q0 U" z1 S4 o+ U) L/ X测中进行了一些探索
,
% |, F/ `3 m2 q, J, T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。
- k4 U; c' n0 s: i- _
/ s! _' o  z/ \
& }' m+ B7 w- h本文首先介绍了常用的传染病预测方法
,
" a7 `3 M4 n2 a" O) j! J$ z- o& |; q其中重点研究了
% L: f  ]( Y3 H6 v4 W' i2 jBP
! I# v6 A( M: H, H9 y* z5 ^7 @神经网络算法及其建模步骤
- M6 a- X1 a0 S,
并分析了各
1 y- h. s. b; v. i5 A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
2 _. q  q0 F" ^" ~8 a,
. D- X& ^% t) [3 Q; q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
- v( `/ K) m2 I) H/ |0 R) ^" H; d(LS-SVM)
的算法
,
给出了
/ m% k: J9 Z! b3 u( D: z( |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
5 A& d/ n: H; A- lBP
2 j8 g$ z8 |* i& f2 O" Y神经网络模型进行了对比分析
,
实验证明了
LS-SVM
; b' R+ v& n3 f! l$ u$ g" G" i用于传染病预测的优越性
; Z! v! O- }4 D! H" L+ p0 V,
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
- Q4 N0 i- }* E- T, ?. {3 `( Y,
同时也支
* n. u" H7 [  F- E7 j4 k* O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。

. Y6 z/ [/ y% y% M* n  Q6 y+ X- D
关键词：传染病
;;
7 m+ J/ y& n9 {( r  \9 n预测
5 _* B5 \% ]" {; ^( Q: Z;;
7 m3 H; V- y  o* a; A9 w9 z最小二乘支持向量机
- [6 R6 {1 n8 d9 h1 P

' j* R0 ~- J1 P
  q; L. y7 q$ ?- o9 i
' ]2 s# @+ S+ J3 p& i