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

/ o, |* A# }1 X4 j; W6 N
4 C+ U  ~: q/ R6 E) n
: |% _, h, _% ^9 ?8 K- U
防止传染病疫情的发生,直接关系到人民群众的身体健康,
2 `  ^4 Q  x" k8 X关系到经济社会的顺利发展。传染病预测是科
4 ^+ X; ^; |, @/ r! ]学预防控制传染病的重要手段
,
是科学决策的依据。因此
. Q- p! J$ m( _; q8 E- Z,
/ b1 M" q( |1 w# r9 ^7 a( Q0 n2 D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。
, V& t2 ^8 n4 E" W! M$ H

; U) w5 V; C4 }" b本文尝试将支持向量机技术引入到传染病预测分析中来
! ^! u2 V1 g  P" ?/ O: y,
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
! S. ~6 f. P8 R  r8 W,
. p& w+ s9 H5 Y; l  ]/ V: v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
,
9 W9 v% F4 C1 J; }: i其中重点研究了
. {8 Q) z; u* R5 }4 ~( YBP
神经网络算法及其建模步骤
* ~" `$ S/ T3 Q7 f1 e% y8 |* l,
. W6 Q1 F6 I! l: U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
" w% _7 B+ q5 s+ Q2 n,
8 X! n: U) P. n4 Q: ?, }# n包括机器学习理论、统计学习理论等内容。详
* Y+ o7 t9 l) B9 ^  n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
7 u$ {4 E  O4 T5 r(LS-SVM)
6 |( e1 T+ g$ l0 p1 D6 e! l的算法
% S3 U3 n9 M' j9 D5 W# ^5 a,
4 U" C% u4 P2 i2 i; M3 D9 R0 Z给出了
LS-SVM
1 L: i+ g9 B7 z5 o) [! J& t0 c0 s建模中参数
+ G. ^) g! c' D- C: g$ `选择的方法。建立了最小二乘支持向量机预测模型
6 M7 r0 p, O- p,
- w& \' o' _! g! y) m0 ?- D并与
BP
5 ?9 H! ?$ w( d神经网络模型进行了对比分析
,
1 N/ k; _0 O) G! F- U0 e3 _+ Q实验证明了
1 z" c- V/ G% F% D0 L$ JLS-SVM
0 u! t+ t9 T/ T+ d# x. t- y& g2 U9 b用于传染病预测的优越性
,
3 ?8 a3 `7 ~9 y) T" {$ Q) v' l+ x1 d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。


- W% T( i/ I) t9 q- _& a' O4 U关键词：传染病
5 N0 `. }6 ^" y  K3 A0 u;;
" o7 d6 [& i- ]; W) {* s8 e' d预测
;;
! i# S: E" \$ P" g! ^& h+ f& A7 y最小二乘支持向量机