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

! a3 f# |) ~2 r2 y' B& K" ]. V
* t6 k! G7 n- d# @. \9 u1 j, Q, r

防止传染病疫情的发生,直接关系到人民群众的身体健康,
关系到经济社会的顺利发展。传染病预测是科
+ ]. l2 K+ P2 B3 w" M9 c$ D学预防控制传染病的重要手段
" {* D/ j7 {$ H- F" C,
是科学决策的依据。因此
,
对传染病预测方法的研究具有极其重要的理论意义
. R, J% c/ A! \+ T7 j. ^和应用价值。
6 `7 j5 o, q" ?0 A8 H" [
# J: F! o; m( O, h
- g9 N9 P* n! r" u本文尝试将支持向量机技术引入到传染病预测分析中来
,
0 \5 L& }2 T3 {' y- d) M; M! o1 A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
, R4 e, U  A2 x$ C0 w+ i7 P# v3 ?,
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。
0 e2 U: w* ^8 D, w9 U
' b% I: ~  j2 q$ C, M
本文首先介绍了常用的传染病预测方法
,
其中重点研究了
BP
神经网络算法及其建模步骤
9 S3 e/ \0 w! z' R: I,
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
/ Y9 s0 ^7 G4 _,
包括机器学习理论、统计学习理论等内容。详
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
# A3 d; U( g3 O3 |+ F0 y+ v(LS-SVM)
的算法
5 p2 a' x' |8 z- ~0 \+ [8 z,
给出了
LS-SVM
建模中参数
0 q- I! t6 ]( T5 G( ]8 O选择的方法。建立了最小二乘支持向量机预测模型
,
并与
  k& y1 ~! i& g! Q& s8 \BP
神经网络模型进行了对比分析
,
5 _: g2 A* i" s* w/ @; C6 L# n实验证明了
) u- {/ X' t$ h5 q; ULS-SVM
用于传染病预测的优越性
0 g! Z5 C$ t% P0 {/ H& h+ D,
  d: I; A) r3 K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
" J% U3 \+ |0 a5 k* |! S: e$ \3 G,
同时也支
" E1 t* p6 I1 ^  P" ?: u+ S! _  ?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。


. P# u1 ]; F2 Q: Y( _) S9 [6 W4 [; J关键词：传染病
;;
! X, n' o) b! i" A/ ~4 A预测
;;
* M5 Z0 m/ `/ h$ f: i  e9 E" y0 u最小二乘支持向量机

; W4 V& F: q' G6 c0 o6 Q


, P  R, W0 C! z" q6 i" C/ \