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

/ F8 C6 W( f8 y# }8 r0 D( B/ |: ~

防止传染病疫情的发生,直接关系到人民群众的身体健康,
, _  [$ a/ G2 U( b. e, n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
,
" R  i- b2 [2 O8 U1 w是科学决策的依据。因此
,
9 Q2 O! B8 W% @. h1 W. w/ T1 Q; B对传染病预测方法的研究具有极其重要的理论意义
+ X: N% X7 d. P% a; L" _* f和应用价值。

4 Z; |/ s. ^. R9 b" ^& d
本文尝试将支持向量机技术引入到传染病预测分析中来
,
! ~8 M! S$ x' f6 C5 w/ P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。
1 m0 ]' x% P* b0 d4 ?
8 I3 b5 q3 \$ b5 |: v# A
6 }( G: R- ?. T% `2 t3 X% n本文首先介绍了常用的传染病预测方法
,
其中重点研究了
3 _8 h6 p; U/ X% |BP
) l( \: p4 m% O2 p; n) F: x神经网络算法及其建模步骤
,
  I. I. p6 E% F' |) C9 v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
,
1 |- G! z$ W! I9 m8 a3 Y- t& N( C包括机器学习理论、统计学习理论等内容。详
, O" ^# A/ |3 r8 l9 a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
4 M. e# \* w% U! M(LS-SVM)
) d+ W5 h  a' ?& D* f: Z0 O1 ]6 i  Q的算法
,
  I" D+ X: h% D( C9 c% u  a给出了
LS-SVM
建模中参数
& N' f3 U8 g/ m* C* l, m) l选择的方法。建立了最小二乘支持向量机预测模型
, ?% }* b6 v) R5 `6 R- T,
并与
BP
. P0 v4 Z$ m5 y" _7 E* S" d神经网络模型进行了对比分析
,
实验证明了
5 @' g3 p, r. ?2 a$ D, c0 k4 OLS-SVM
0 {/ ?  Y* E- V* `, a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
,
, A# @3 Y$ I  T3 v( ^3 D同时也支
4 s, {$ n! Z7 ~2 s% A! e( V8 T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
) g7 G$ y* u2 {# E) f. c, h统中。
/ {. y/ y: v6 g) }

+ {  Q, H9 M+ @2 a3 {; l' G关键词：传染病
5 I( y( M# i: ?;;
预测
0 B/ J3 u" [; \% f;;
最小二乘支持向量机

  V5 i* z/ V6 A2 B

) N8 w" Q" b4 n6 s  c; Q