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

4 b8 c6 A( F$ v6 w/ v  j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 e. T1 G5 M# j" t, r关系到经济社会的顺利发展。传染病预测是科
学预防控制传染病的重要手段
,
是科学决策的依据。因此
,
8 D$ [, Q7 K  E7 W$ W# s1 Q. H+ q对传染病预测方法的研究具有极其重要的理论意义
" z. ]$ A5 E2 Y' @7 T和应用价值。
$ y! H. {! L, l0 w

: w# {: M3 {1 V0 A  q本文尝试将支持向量机技术引入到传染病预测分析中来
: K% T# y8 Y. ^  U; p,
对最小二乘支持向量机技术应用到传染病预
5 d0 O" f$ f6 Y; ]7 Q9 f/ B测中进行了一些探索
,
2 [2 H# v3 y5 M9 B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。


本文首先介绍了常用的传染病预测方法
,
( L; w9 T/ F2 V其中重点研究了
BP
2 F3 y6 c9 G. ^; F2 ], O( J神经网络算法及其建模步骤
% {* v- `, c3 G" X4 i4 ^2 O6 y,
并分析了各
% v: U1 B7 _" e" f# W! P6 U4 ?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
,
# S+ y# m3 ^5 f( r' k0 o6 @包括机器学习理论、统计学习理论等内容。详
+ \! x+ l3 D" k$ X% s9 M3 b( H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)
( G) s1 x. d4 `的算法
,
  _4 e/ F; ?+ H8 B. v给出了
/ k) f( Z; O- l& G! ^+ I1 y: g# gLS-SVM
) b5 j; |  _7 W! I建模中参数
8 ?# a; n1 h: c$ x9 G0 s选择的方法。建立了最小二乘支持向量机预测模型
,
% e/ v6 y. M: c* v, q7 v* ^并与
BP
) u' r4 [" R- V0 h- x3 ]神经网络模型进行了对比分析
. ?9 H! j! `/ M. i" F,
8 b& z1 l( ?1 m8 l实验证明了
LS-SVM
用于传染病预测的优越性
,
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
* F2 w4 j, J$ Q% q( v8 M- Q,
同时也支
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
$ r; m7 e8 C9 z( U7 G% `. K. Z统中。
# n9 m& R% n8 \1 o! E0 W

关键词：传染病
6 O/ B, {8 n& M( };;
预测
$ d9 B4 i' A+ Z9 \6 n5 e" p;;
最小二乘支持向量机
: T2 a8 b( m& A- {) ~0 B9 ]
+ W# f! k8 x2 b/ z# u