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

" a" r- H$ k. h% ^

防止传染病疫情的发生,直接关系到人民群众的身体健康,
+ k; }, }! {4 ^. l5 \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
% m' Q; }2 J$ `0 e! V,
是科学决策的依据。因此
) [& b* H3 b6 `,
( X0 g3 c, @. H  F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。
# j4 C* a2 y8 i. O# o. _/ S& W
% X+ F# ^3 n# O, V/ ^
3 E  K; U- `. O/ g本文尝试将支持向量机技术引入到传染病预测分析中来
,
对最小二乘支持向量机技术应用到传染病预
8 B7 c7 y$ b" R9 Y. }% w测中进行了一些探索
) \8 K8 l% M) k! g5 z# E7 G* h,
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。
2 Z% h+ |- p$ a$ q6 S7 U2 r7 o

' S8 l4 F1 J1 |+ P) b6 F本文首先介绍了常用的传染病预测方法
5 u* l* R+ X  Z' {) k- j,
其中重点研究了
BP
神经网络算法及其建模步骤
,
并分析了各
4 ~9 a0 }- I: z4 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
,
包括机器学习理论、统计学习理论等内容。详
; z6 u" V2 S9 P  W9 I3 r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)
的算法
,
1 q, i/ q3 g/ L$ D. L给出了
( s6 l, T) W+ i  A( K. w6 x; QLS-SVM
" P+ v& U) W! p& F  C2 @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
,
并与
BP
神经网络模型进行了对比分析
,
实验证明了
( L5 l. m+ }* u9 [" a0 cLS-SVM
用于传染病预测的优越性
,
- q# l* H- A) M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
! H# O  D, D. v9 C. K  [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
$ T* y) y. G) a# t统中。
9 o" l& v4 S2 B0 g+ K, r* t

关键词：传染病
9 j. g2 t! ^" e9 o3 p3 u;;
+ N% m* H% W7 _" @预测
& B9 Y% R4 W+ ~- E/ D+ B;;
最小二乘支持向量机
* ~9 T: _# s: P6 d


2 m6 A" ]: j5 t/ {
5 g( z+ K; t! c