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

防止传染病疫情的发生,直接关系到人民群众的身体健康,
8 N0 {: v& |( ?4 o5 W7 R& l/ q关系到经济社会的顺利发展。传染病预测是科
) i* K' L: A. N0 X( n学预防控制传染病的重要手段
,
' w4 _( J% }" _. r5 W是科学决策的依据。因此
,
7 z% a! D- c" S/ G. U; w  l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。
/ \$ P' _! j9 \) J

- E" l6 K) j! c+ F( e+ 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
3 |  \8 m% y* E6 c& H9 M2 k,
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
,
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。
7 Q% w) H4 M* h7 h
# g" c0 K& b; B% m2 ?5 z
& f0 E; k8 Y/ H" K# ?$ J% m  Q本文首先介绍了常用的传染病预测方法
( p, u) O# w0 [" b0 h,
& Y& `( C* @- U4 l其中重点研究了
4 j7 s) R( |0 U  m5 pBP
神经网络算法及其建模步骤
,
0 n# }3 x( Z# y, ^并分析了各
" Q  S! z* R* w' C6 E5 R, r, B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
,
( h. {8 j/ s0 ^2 `# ^: P3 B% ~# w4 C  J0 K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
(LS-SVM)
- G5 N* Q! Y9 {+ X: w5 U的算法
,
) j8 a% p7 b! Y; w7 r- x- ]$ d2 ]给出了
+ p/ ~* N3 ~' c, p1 jLS-SVM
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
8 N' ]; c% m' y9 I! n% e7 _神经网络模型进行了对比分析
,
实验证明了
LS-SVM
用于传染病预测的优越性
3 l0 m- W% f' e% [2 T9 T! A,
9 y9 X' Y$ L/ U( W  x- M2 `- q1 ~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
8 b- p+ _- J( i( {+ @8 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
5 w2 u# C, Y+ y2 G6 n1 j统中。

* @7 `' K, o' V) b  `
关键词：传染病
;;
# V4 q& D* w; w/ b: x: |预测
9 f+ s5 g: j% n4 _- B1 j;;
最小二乘支持向量机
3 V9 `, g, N" k' @% ^& U



% d6 Y/ p( i# v* w# E0 ]