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

6 |& v4 A, u# M
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
,
5 K' l. W8 R. k3 E! k' J; }3 [是科学决策的依据。因此
+ E4 @8 R/ m4 L) p; ],
1 Y5 v7 ?- W/ z' q7 l+ B- C. v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
,
/ {, `& v  J; j( A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
1 N0 `% W2 [- N$ L,
# i3 C8 ]( ?$ v5 h0 ]+ D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。

8 C( ~1 G8 \, q" V
, O" L1 }# l6 Y3 M$ z2 h本文首先介绍了常用的传染病预测方法
) r# Z9 x2 c; K5 h2 \& Q. B,
* O; M7 i( `; p( A9 f  |其中重点研究了
BP
% N+ a" O/ b4 f0 j8 v3 W' M神经网络算法及其建模步骤
,
7 o6 n+ l- X8 s8 p( U! h1 e并分析了各
. z# i& y$ ?: K0 N( f1 S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
5 X2 ]( v& K; x" G7 z; X,
6 N, p, T$ g# {/ G9 [: p8 _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)
! o. F4 s( t9 a3 g) e! L1 ?) E的算法
& _/ C. o) R$ a, ^, T/ ],
& f6 n- u! B# u4 a给出了
8 J7 A- B: ?; f" @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
: v5 M) o0 e- K/ u$ }* k* b& u+ H,
并与
BP
神经网络模型进行了对比分析
' i% Z) A7 l8 ^+ t,
实验证明了
LS-SVM
用于传染病预测的优越性
,
* Y/ X/ Y- o, b/ {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
8 @" l- Q  g1 W,
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。

! l8 Z; W  f4 s& h* m5 x
关键词：传染病
;;
预测
;;
; J7 u# |# j# z- A6 m: d最小二乘支持向量机
% q- w$ i+ ~4 y9 n