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 X" U6 y) f+ K关系到经济社会的顺利发展。传染病预测是科
# b% J% d$ y$ Z  G学预防控制传染病的重要手段
,
( a2 @2 m% B/ U0 ~2 I, |! Z是科学决策的依据。因此
,
( S5 u. c9 F/ M+ b6 i. N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。


5 M/ z! P0 E) I) o0 Z本文尝试将支持向量机技术引入到传染病预测分析中来
! T9 _: r$ \& B8 o/ Y. [* h,
4 j4 I5 l5 b( B! ?+ e, i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。


1 `; a% U5 x/ ^# |: W本文首先介绍了常用的传染病预测方法
,
其中重点研究了
BP
: ^8 P! Z0 y" y神经网络算法及其建模步骤
,
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
+ E3 }. P* w+ F,
包括机器学习理论、统计学习理论等内容。详
* p( i- b5 \' Q' I% O& ?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
,
给出了
LS-SVM
' h9 {+ x' C+ x$ F! q# z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
  V; s( J+ @2 T,
并与
9 j' O0 O) a. k4 M8 B$ dBP
神经网络模型进行了对比分析
( }( ]4 H9 `& K+ {,
实验证明了
LS-SVM
, z5 V! V* j) G1 ?: F. J用于传染病预测的优越性
1 V1 b& @+ I  S8 a" z,
1 N7 j  C7 r$ i7 K" f" f- U+ n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
7 \9 `" \  m! @+ W" w/ ^' B,
同时也支
& A1 |+ p6 k- M$ e2 o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 C4 y8 L6 K! y# L( w+ E/ R统中。

8 J: G* t, e1 ~7 A7 `- G: }  h
关键词：传染病
;;
9 V- b/ g! Z/ f% {& w. h- f& r预测
4 m7 c" q9 f: o' S3 d" C! `;;
最小二乘支持向量机


4 o. {" W* c2 S& M* B8 ^4 h

6 K# m) A: o) {2 m7 U+ n: s% \; ^