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

) o2 j0 z  s% l& x

& a) I* u3 y! j  K$ h0 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,
1 X( h& ~4 R2 V9 z关系到经济社会的顺利发展。传染病预测是科
6 J: S" |: i9 i/ O) A9 d* h学预防控制传染病的重要手段
6 L. }% P! t8 ^+ q6 ~,
9 ?$ x  d7 l: |$ }是科学决策的依据。因此
" _7 P" M6 d; Z) @: N" O# h,
1 J' E) r! W6 F* h$ [, `! d: ^3 K. R对传染病预测方法的研究具有极其重要的理论意义
, T- E) i0 S' S$ ]. j9 l和应用价值。

" F: q+ x3 g* w/ a. ^1 I
- `/ t8 A& S1 N; I# z本文尝试将支持向量机技术引入到传染病预测分析中来
- d, U& X; M4 n/ G,
; N& n- N- L' @  ^, e对最小二乘支持向量机技术应用到传染病预
% w& M4 W9 Q+ f测中进行了一些探索
7 f8 U; V$ t* W& R,
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。
% I8 z9 d; y) B6 o( E' c
9 ^4 x5 f% ?8 g# q  M
1 P: E% e0 z. e- [6 K" }4 C8 s本文首先介绍了常用的传染病预测方法
,
) h$ V; x& T1 ]+ z0 R) _  S2 b2 m其中重点研究了
BP
+ l1 L; a2 R% h: R4 u6 R神经网络算法及其建模步骤
,
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
0 ?' M: e5 n$ k7 ?6 j$ ],
. `9 ^$ O4 a: n9 g1 e# K3 p  ~& S( g包括机器学习理论、统计学习理论等内容。详
9 F0 Q1 p/ b2 R" a5 J. S! T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
8 f1 U8 s1 ]# {- i8 v2 E(LS-SVM)
的算法
,
3 P' W% z' E% A; V% L+ q给出了
% \6 z3 x6 Y1 D7 ~1 d2 l0 L  kLS-SVM
3 X3 b& s+ U8 F建模中参数
! l- e, R1 C& i选择的方法。建立了最小二乘支持向量机预测模型
) u% H' b- R4 Z- C% G/ M# G,
/ b( y( s/ T6 J# c1 q6 z% ]并与
% T% R0 ^9 r; z" T8 V3 [0 \BP
. m. Z' X7 Y' R0 a$ @神经网络模型进行了对比分析
0 R7 P, ]% S( _6 }/ u' Y% \( n  ]- b,
& u6 \" E( N$ u. k8 x8 J实验证明了
+ d. d4 `) \3 f$ d, HLS-SVM
3 s6 Q5 Q8 P* a4 `用于传染病预测的优越性
$ `3 W0 t+ u# c! N4 _# @$ A" L,
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
2 o( J) e  {' X9 V9 r,
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。


2 W8 K- k7 @8 Y& J关键词：传染病
1 U7 {0 [" |& X6 F. h;;
$ p  t( X% b: K( p. `% t. g预测
;;
最小二乘支持向量机
, ~3 E- l) D3 o/ s# e2 c* N+ R: s
: c5 h9 a& i: L$ a" s

: O) i- A7 M7 t6 I- ]
! m+ I2 J' H% A7 A8 U' s3 V