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

9 \% M. W- F9 |" g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! V# e, D# V& `8 H关系到经济社会的顺利发展。传染病预测是科
# T& w* b9 _, W! \学预防控制传染病的重要手段
5 }- R2 y) }1 [+ @6 z3 O,
! ^: B- y* w& s& U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
  Q3 d" V7 B) ~+ _2 n/ f和应用价值。

# ?/ A2 ~- I: I3 {
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
测中进行了一些探索
" F$ g5 r1 E3 b1 x& H0 h,
+ ?$ E& b# N! ], j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。
' v7 a# z3 p! f+ s, I: w
, g" K4 Z, F8 u& W1 C4 Z" ~' e: T  Y
2 V6 t/ Q; N9 e. E' t3 g本文首先介绍了常用的传染病预测方法
% [1 f' ~; f6 l,
' ^- g$ D1 V$ o( Q- [; N8 W其中重点研究了
" H0 @0 D0 {8 @4 l& N) ~" CBP
& S: I% L2 ~$ G0 T+ U' d- \0 J神经网络算法及其建模步骤
# T& {/ r6 j4 P* j, o/ P,
/ t5 q9 q  x& S7 G7 b, i" r) P# a并分析了各
. |" f) o  P' y, W% L4 I% p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
; _/ c: P  r  D,
7 y, y8 {$ ]8 z* f7 c包括机器学习理论、统计学习理论等内容。详
8 g: D) U2 \& g6 L9 P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
,
- h# ~& k0 ?; q1 F给出了
, ?. `- i7 o1 ]/ z8 O# T0 }LS-SVM
- q' k" D& E. l& y3 N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
+ ]; U" q6 T0 f,
3 Q0 J% J! m, f( v. D实验证明了
. X: q, P$ i( U& `LS-SVM
8 D; K2 K, l9 g0 i/ ^用于传染病预测的优越性
,
/ U# a6 @/ l6 n% w2 n+ W: Z2 F+ `% X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 L. K+ o& ?- ]: |) k3 n' N5 C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
- |- [7 u4 B8 A' t  O2 \/ Q4 p统中。

+ |. ^9 z* w+ g* I: L. h! L
8 P6 i- a6 }: R* ?: G5 \2 W2 y7 l关键词：传染病
' X; ?1 k& l1 X+ |7 }! X;;
" P, c( c1 B3 B6 Y8 g& n预测
/ v" A2 s) L: W, g; K;;
. m" S4 |% \. f3 |" [* X最小二乘支持向量机

# A3 w- X4 A1 F- `
5 ^0 [& ^, ^& h9 q
2 n( o  G  }3 ~. [2 D
4 T6 p$ s" q, N( _3 u  W