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

8 o1 _4 v4 e2 P2 \6 t8 h! n; S' S7 R

防止传染病疫情的发生,直接关系到人民群众的身体健康,
( B( J5 R; N/ O6 T! H关系到经济社会的顺利发展。传染病预测是科
+ W* t* E5 B" H4 s8 m学预防控制传染病的重要手段
,
( d& E: @* j+ Y6 q0 v7 v* z) d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
和应用价值。

  U% _: n* h, H2 g8 {3 L
本文尝试将支持向量机技术引入到传染病预测分析中来
,
! E) }  z% r0 S9 w5 v* h! n  L4 |; q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。
+ s% t7 @, c( `; A- ]5 G

. y$ ?$ Q. K! Q% j( N) p8 {* X本文首先介绍了常用的传染病预测方法
,
3 A* b1 o5 r+ `/ w! ^5 D* x其中重点研究了
; h2 j  g/ z8 G9 f4 sBP
, g) {% x- _! S2 r) Q神经网络算法及其建模步骤
& ^: X9 r7 y9 O1 b,
  F; Y$ V% F# n. o2 `8 Y% ]6 F并分析了各
% q# `5 _, {& x, E) j) A1 u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
& t5 Q# K1 ^9 V; p$ _8 T4 b4 l,
8 r: \; ?8 n; w0 K9 B& C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)
; Z% ~/ |$ L9 M' ?7 f的算法
,
给出了
LS-SVM
' k9 B7 O! H9 d* }! N建模中参数
0 \& t! M7 K  c6 s8 G选择的方法。建立了最小二乘支持向量机预测模型
5 {- ]7 E* x7 F( p,
- g; z" Q  G- `+ |并与
BP
神经网络模型进行了对比分析
,
实验证明了
6 g3 L  u- A2 i( s( cLS-SVM
" c$ x0 b+ s" E. t/ O) ^2 L& g用于传染病预测的优越性
5 R( w+ B1 d5 w+ C* O4 X- g, z! r+ 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
" C8 q0 q2 X9 A$ i) T8 M,
同时也支
2 I4 u: x. Q) k3 \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
. T; T% i# D2 u5 u" `- v统中。
* l/ w4 W! h3 S$ l# {% Y
; N5 s2 x0 H' ]( S" F9 K
关键词：传染病
;;
$ N' F2 U. q, X+ b8 W" l) U预测
;;
最小二乘支持向量机

# K* }6 p! ]" g2 o' z