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

3 F1 h1 ~* h" a5 j9 f7 _
# h* I% y, O& T7 O2 W
# y7 `1 X7 [0 l" Q' t! L' M/ Y
防止传染病疫情的发生,直接关系到人民群众的身体健康,
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
,
$ G% c7 V' X1 K8 D9 e# m" k是科学决策的依据。因此
. I0 w$ G9 d6 Z- {- O  Y,
对传染病预测方法的研究具有极其重要的理论意义
7 P4 D$ j. w$ z. z7 r和应用价值。
  @3 |, h$ s+ x6 F# `& ?( t5 k

5 Z% F) f9 R5 g+ R本文尝试将支持向量机技术引入到传染病预测分析中来
2 e& z8 B+ v* u,
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
2 p$ h$ S3 h: R* t! \,
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。

, Z7 w/ \  a% ]/ w; L# `
本文首先介绍了常用的传染病预测方法
,
9 C( K7 x% d' ?- h9 A6 N+ B( t* S+ w其中重点研究了
7 f/ `+ y% Y+ `) o) x) `8 IBP
神经网络算法及其建模步骤
% _' I" {' l/ \,
并分析了各
/ K4 {7 K, {2 ]; P& ]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
,
% C2 D" W, I9 q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)
% Y  |  ^) i( N) m6 v! H% g的算法
,
5 ~. i: }2 A0 r5 O3 P给出了
5 q$ Z8 M( `- C, q, c& XLS-SVM
* ?; B$ F* ?- l: o: f2 `+ d建模中参数
, W- d/ D$ n7 u* l选择的方法。建立了最小二乘支持向量机预测模型
,
7 X  J6 j# I& |' p并与
( K1 B% L3 y. ]* |2 D, J8 j0 ZBP
6 i( b; t6 x6 [+ j% g0 s神经网络模型进行了对比分析
4 S) U$ N+ X& T- i0 g  K,
实验证明了
$ }( R. o% p2 }$ [LS-SVM
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
,
; H) h2 N' x* H, a同时也支
% p) T8 {; n3 i+ a4 x0 p* j- d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
; a5 z5 j! D8 b. L0 v  F3 e4 J) {统中。


关键词：传染病
;;
5 d1 D# z6 M7 |. b  c; a预测
$ m" Y! o& Q/ V; F, ];;
5 u( Y' v6 k, \6 {5 u最小二乘支持向量机



( J/ p( R; d& r