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

2 }9 Q; x) \- L& u

7 l( y' a, e5 M6 B9 D  t6 }! r! t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 f5 S0 Y$ m( Y6 `+ E' h关系到经济社会的顺利发展。传染病预测是科
7 v$ Z5 r3 p% V9 a- N学预防控制传染病的重要手段
,
# L) T& A" H! [4 {是科学决策的依据。因此
,
对传染病预测方法的研究具有极其重要的理论意义
4 O/ `% x8 V. y1 e# E和应用价值。
( v) j/ d& P, ^& [3 v3 V
9 L$ S& U7 T: ?) Y- m( ?
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/ G/ E  e) |,
# Y8 s+ F) o7 _  f% ~对最小二乘支持向量机技术应用到传染病预
' c' Y. e9 H- q* D测中进行了一些探索
,
2 U" b; G9 Q+ c& P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。
' q/ I9 x9 Q& {. C  \
. c+ j. e( {6 D) a* J
% E# h& o$ u5 p! P% y本文首先介绍了常用的传染病预测方法
,
  H# ?2 Q7 r  p% d. z& k) u- l其中重点研究了
BP
+ h3 C0 t1 @$ t* x, \神经网络算法及其建模步骤
,
并分析了各
* Y; g+ z/ W$ J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
,
; c1 x1 m6 n0 W! U* F1 D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
6 l7 T/ @" r7 g* X' q6 F# c  ]7 B(LS-SVM)
的算法
,
9 a/ v' Z2 M! m) |给出了
LS-SVM
/ d8 G% S8 X: J' o' L  d+ Y建模中参数
9 j/ J# j/ J9 E3 }; F选择的方法。建立了最小二乘支持向量机预测模型
9 s: E# y" Y: u" ~; d) A; S,
并与
; w8 z  A2 E+ {/ }7 \: uBP
/ }9 b& }/ Q4 o' o$ k$ c* @神经网络模型进行了对比分析
6 [2 h6 i1 _# q0 M$ F! R1 `,
9 A- y7 ^% Y) f3 G实验证明了
, P# E; u. u5 U% T6 P0 N7 c1 ALS-SVM
用于传染病预测的优越性
, `/ C2 ]6 r; n9 l,
: K: \6 C- s& {. V8 P( 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
1 C- J9 q  M5 {4 |,
1 f  m8 s+ a+ p8 }1 A- \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。

4 H1 s' O; {" f5 c- C+ G
: o) D% _% C7 b8 [关键词：传染病
% X$ b" A0 B- R/ L. B;;
( M# l! Q6 P" r& M* m, H预测
: \! v2 H: v# Z; L  d, }: i' m;;
最小二乘支持向量机
3 l6 Y" E* ^& w) o2 D# g" W
- q& H6 Q$ a, b
2 F5 W+ M0 Z( x6 \9 m: T