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,
& [3 l" A9 U; }关系到经济社会的顺利发展。传染病预测是科
+ R' T' o$ f8 j. V学预防控制传染病的重要手段
8 P) h8 {7 }, g; p2 z,
. c7 J9 @3 R5 Z& @7 S6 l是科学决策的依据。因此
6 Y% o0 t2 z, {9 j8 j) x,
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。
* n% \$ K  t; A; j5 x+ e! i& a' 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
- @4 F8 z, D: z- _/ w9 K7 q* M,
- z2 ^6 f" D' e! b& @; ?+ F对最小二乘支持向量机技术应用到传染病预
) |+ o, W$ \5 M* K4 e测中进行了一些探索
+ o' `; w" T, Q2 F,
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。

: D6 N' i0 w1 z) J$ b
) r$ R/ O8 S- a3 M本文首先介绍了常用的传染病预测方法
,
$ h( s& d$ h# u9 \其中重点研究了
BP
神经网络算法及其建模步骤
6 _6 x4 H: ]+ j. m,
# d1 b0 m" w) r8 }2 i' g7 Y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
,
+ I  s' e6 y- N: u2 z; n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)
的算法
,
. w/ H. }/ s4 b给出了
' I# r9 z$ k  {$ B. l/ D' VLS-SVM
" Y* f4 O- D2 o4 `建模中参数
7 q' k3 t. `4 z! E& u, D选择的方法。建立了最小二乘支持向量机预测模型
  ?% A6 w7 L; e/ C,
9 V) k9 P5 @. h3 X# C! w并与
BP
" D7 d( L5 H: B4 f神经网络模型进行了对比分析
+ L% r0 ~' i, Q1 O' s% c0 p& Y,
实验证明了
6 f$ i/ ~- F" S% `# `LS-SVM
用于传染病预测的优越性
. B7 @. {) C' _! ?2 O9 e,
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
. d' V) s& K% ^% w,
同时也支
2 b( O" Z6 v" s/ p* S$ [) T' }3 r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。


* T: m5 c& p9 e  ~$ u$ E9 y& Y# y关键词：传染病
$ \# T* }, d! {2 E8 {; @;;
9 F8 I4 j- i8 d5 k' d6 U5 a* c预测
;;
最小二乘支持向量机
7 k3 @* ~9 r0 p# y6 G


2 b3 ?' O5 x$ h8 U: z, ]% n
6 q8 o% M" `- H7 v% i0 V, P9 v