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

% x/ o6 z. J: {, E" l
! i3 }% G: @; V  K* A1 c+ _0 S
9 F3 n* Y* b! v
; e% @. h& G% B5 a* 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,
' i; d2 O6 p; ~  a! p$ ~$ }& f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
,
. ~9 P. Q( S7 ^) n) T* r是科学决策的依据。因此
) A/ B: a2 T$ k/ m9 y# g7 o* P& k$ Q,
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 \* G6 ~  G8 s2 a* C1 k* t本文尝试将支持向量机技术引入到传染病预测分析中来
1 ]6 @( d; `2 d. x8 h  M5 y,
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
5 I+ H3 z- W  A) P,
* F/ D3 Q1 }' H3 q3 V, n, H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
,
其中重点研究了
BP
神经网络算法及其建模步骤
,
$ S1 O1 T" a8 s& m# g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
/ _! `3 r) g, H5 }+ g,
# f' q; Z" j- K' o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)
# i" l8 U+ d) T$ i/ [4 h( T的算法
,
" j# K* |" H/ V( G( a( U$ q给出了
: G* H9 f' t  ^& S( S  DLS-SVM
建模中参数
8 r1 C( G' f1 @/ e: w2 w选择的方法。建立了最小二乘支持向量机预测模型
,
并与
' u' O8 c$ q; R8 ?; a' D& w3 }/ b$ HBP
神经网络模型进行了对比分析
,
; o  `8 b: `( a% D  ~实验证明了
; z. H7 M) [6 g) `LS-SVM
8 ~* d9 g+ _/ K; _用于传染病预测的优越性
,
3 I( [2 o8 Q7 z9 s6 y0 p# V' V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
,
2 }- F9 p/ m3 E. G3 b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
统中。
( I& g, @: F5 @9 v3 P

关键词：传染病
;;
9 `$ y0 h3 c. W$ G预测
;;
5 [7 P: `3 l5 _最小二乘支持向量机
0 i4 D1 t7 N7 |



0 y+ k( p5 q8 p1 r! J% R8 `