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

+ x. U: B0 g+ ?) r! r% t& w
4 _6 w# ~& y/ y1 N8 J/ c

防止传染病疫情的发生,直接关系到人民群众的身体健康,
3 b8 a! K( @# _, q3 z. w关系到经济社会的顺利发展。传染病预测是科
! q  Z& y# @1 @. _4 b  S  e. @学预防控制传染病的重要手段
,
是科学决策的依据。因此
& M6 V4 H4 }$ a& E# M) p,
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。
: \. c& k0 ?& x8 Q4 T
4 p, x6 {* \( y
7 ^5 z9 E) j& n本文尝试将支持向量机技术引入到传染病预测分析中来
,
2 ~$ s& R# B& n! }+ [& E& s对最小二乘支持向量机技术应用到传染病预
% m7 g) @5 T4 x$ e测中进行了一些探索
2 j' O* S! r+ B,
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。
  J) @9 G/ z1 @( A4 L4 n+ ~' l
) L+ G/ S5 i  M9 R5 U' h) h
本文首先介绍了常用的传染病预测方法
,
其中重点研究了
& C, Z3 W& P0 J; a1 GBP
神经网络算法及其建模步骤
( \3 U: h6 |6 B8 T,
- \  H+ N( W5 |  F! h4 R( K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
  K" w( r, U' T,
包括机器学习理论、统计学习理论等内容。详
. l4 l7 h# F% o0 ?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
2 n& L, r3 I! Q(LS-SVM)
% A* h7 i' h/ n/ a的算法
,
给出了
LS-SVM
: P0 h9 z1 E) i8 e) E$ r! f4 L4 o建模中参数
) a; l. W4 [; Y4 X9 s7 L$ Z选择的方法。建立了最小二乘支持向量机预测模型
,
! E' y4 H+ G: u; n8 q- l并与
& l' _) Z$ [7 v6 B! m5 W* e9 s( w. ^BP
. o: \" f. ^, _, L. `神经网络模型进行了对比分析
/ f* X% Q+ t9 F( f" b# D4 j" G  b,
+ @5 ^' n" F# A实验证明了
LS-SVM
* g9 h1 N1 p  w" x3 P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
,
7 e3 g6 e; u1 _# I9 k同时也支
. A. t- o1 x7 \: q6 j( T2 c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。

1 y$ P4 G  j9 u, n1 w+ ]' e" h
关键词：传染病
;;
预测
;;
最小二乘支持向量机
. V  M# j0 E: S: s3 I6 v& B

8 x5 m* b: Z. ]3 B

& z* W4 ^  |9 o