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,
* C, k. `% F! K7 [* ]关系到经济社会的顺利发展。传染病预测是科
; R- C2 F) }( |, o9 F! u4 k学预防控制传染病的重要手段
) G2 X- ~# y3 @* H: ^,
4 ]$ _  r$ V) L0 E4 c& @, b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。
5 R5 Q) J+ M9 C1 i/ l; k! Q
: p- K. n! k4 M* 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
,
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
,
& y# f8 p9 [+ P, f5 y( }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。
* z9 x& o/ e9 |9 Y

本文首先介绍了常用的传染病预测方法
, j7 j3 M2 T, a4 n( O,
, _9 q) b, ?7 t; P1 n$ S/ r其中重点研究了
BP
神经网络算法及其建模步骤
# x- W- }7 d) c$ |% f: {4 C,
并分析了各
" ^. O; g0 c8 [$ q9 Y( i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
* Q) k% Q1 j( w,
  y1 S" t, x, I  N1 w4 ~6 a( b包括机器学习理论、统计学习理论等内容。详
0 w. ~/ E+ c5 S; \- m5 G$ Z( i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
& ~$ \- O+ e: y  c  [8 F& j(LS-SVM)
: l0 y! [! O/ D! q0 L' I& m; T- `' O的算法
" a& @4 f, {% M" J' [,
给出了
LS-SVM
% ]$ z( l8 }4 [; [# M4 i; w0 g& T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
) y$ f9 c7 a! |: J; `0 p) E,
( }2 Y7 G& _  |1 ~/ _& f* J并与
BP
3 I; D+ n- C: |  E, H+ c. i神经网络模型进行了对比分析
$ R3 R2 e. f6 W! F$ P! \,
实验证明了
9 f5 Q$ \! }2 Q$ YLS-SVM
, X% `+ k0 A( m0 Y/ k8 b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
,
+ i5 U  l0 R: O( `+ y+ \同时也支
) Q+ z$ v) X% M( P/ y0 u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。


3 q6 {" l- z, J  x/ j+ W; S& l关键词：传染病
! h* s" @$ z7 I;;
1 L  p8 R+ m1 B+ N3 ^$ m. ~7 k预测
;;
最小二乘支持向量机



$ O9 R: G7 R! J9 t6 @