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

6 ?9 D9 {3 S( B! F  h
" `; \# Q9 c% R& W; F

防止传染病疫情的发生,直接关系到人民群众的身体健康,
& f% h2 q) {# q+ W8 y8 X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
,
是科学决策的依据。因此
,
5 ^. g& \. j6 N. q8 M* X. n& T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。
4 P6 ^  m( c$ M" V8 L' @

本文尝试将支持向量机技术引入到传染病预测分析中来
,
) [  ~. B/ F1 F1 ]  Z. P' }) M对最小二乘支持向量机技术应用到传染病预
. r# O% H; u+ W  F测中进行了一些探索
,
  m  ?4 M* i- f, u9 j, j4 P/ D7 `8 p+ Z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。

4 f1 s4 H2 @6 d
本文首先介绍了常用的传染病预测方法
,
  Z' {' f2 r- o8 i( s3 s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
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
,
6 r. }; C9 j  L: A7 d2 n包括机器学习理论、统计学习理论等内容。详
0 ^* m7 E4 h& [7 V+ y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)
7 U, u+ r9 y2 `* M' h9 x0 W( I7 w% _的算法
, Q/ O8 S- A' \,
: v/ T* v- U' y/ I) ]" M& U给出了
LS-SVM
4 U5 J/ h1 {* N0 q$ }9 w1 D# {- v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
5 h, P9 I: X1 _' G,
& Y6 G6 v1 g5 u$ n: z& g并与
) Q- o( ^/ _1 x* u4 c) R0 uBP
神经网络模型进行了对比分析
,
实验证明了
( \/ r% F0 l; U5 A) y& e7 PLS-SVM
2 F( H7 ]# N7 S+ _( L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
,
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
1 t. v  q) Z; y6 V统中。
( N- a3 W: [# M4 S6 c

关键词：传染病
;;
7 U8 m! M; n  k, w2 \预测
;;
- Y8 f" y( l: f$ h0 v最小二乘支持向量机
" T  i) J" y+ P


, @$ [" S9 q* z- \' A