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

- P6 r7 p9 y/ g, Q
. t, b* B! R6 O
/ G  O9 P; K* d, \7 v3 S防止传染病疫情的发生,直接关系到人民群众的身体健康,
6 x6 ?$ u7 V, L4 g0 g关系到经济社会的顺利发展。传染病预测是科
* W3 [# S; k! X+ W  `5 Z0 m8 C学预防控制传染病的重要手段
,
是科学决策的依据。因此
0 r0 |- F* s, m,
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。

" U1 b# I$ Y2 f7 r
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
,
0 f4 T" i9 d/ {4 P! z9 e* T- S3 G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 \1 W! v6 ]  \

# c( V- G) H9 d4 h+ u: \0 A! Z* C本文首先介绍了常用的传染病预测方法
,
! {" l# h- r" |/ D3 A其中重点研究了
7 _6 W8 a& V; x' nBP
神经网络算法及其建模步骤
$ h% T: p) r/ e! n1 [,
& n$ I4 u3 C0 b% O4 J8 A2 A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
/ \$ c8 y* a; V; @, j) G! Z,
* g. F2 p. ?1 v  e# J5 T) s包括机器学习理论、统计学习理论等内容。详
/ t+ P& j* R7 L2 V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
/ D" b" Q5 h! W  I# T  I) u; H0 U(LS-SVM)
/ [: b2 C( D+ Y) ?# r5 @& [3 a! j! E3 F的算法
1 V8 ^8 \: q4 V! j- H& r,
2 u+ C( B4 ]% B2 k4 `1 `; }给出了
) v, q) ^. ~" n0 O% ~+ WLS-SVM
% `5 H% Y; ?% G$ \: c建模中参数
: j$ C3 t5 r: d- {8 U2 t* b" r选择的方法。建立了最小二乘支持向量机预测模型
4 T( d1 [* m3 n  u- e,
* U% e! V/ e4 [& b' Q$ k并与
. j1 z$ E3 x8 I/ E9 }* DBP
- ^# g+ F6 f7 ~- ^$ H3 e神经网络模型进行了对比分析
% u5 T' \" W2 m% m% i& V( f) P# h,
) F$ F# Z; m% J1 b6 ^: K+ n实验证明了
LS-SVM
7 U* j- _0 @! H4 |# o# a用于传染病预测的优越性
+ a! Z- Y! C3 a" K1 e1 `+ U0 n,
% ^; D' T1 w8 x# M+ p) w& f$ z# m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
1 h8 ]: ^" z7 A,
  L( R% J; A. f5 i9 Q9 t! y7 n同时也支
% a3 f" }8 Z0 H  x; Q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
0 Y7 B# E! T1 I0 y$ z统中。

, T  u3 @* z) _) g7 H) T5 ]* h
% Z8 Y  T) v$ d/ p# H. g% j- s( j关键词：传染病
+ e" m% }* j! v;;
预测
;;
最小二乘支持向量机
5 K* }: J* Q0 d
/ W% c6 l# ?' w% j, a

- z4 }- Q- c$ N& ?2 K' g* D