您当前的位置：
首页 > 文献资料
所属专业：
支持向量机回归文献资料
-
基于支持向量机的婴儿死亡率预测模型
目的将通常的回归分析方法应用于婴儿死亡率预测,结果往往不尽人意.因此,本文采用支持向量机回归算法建立预测模型对婴儿死亡率进行预测.方法采用支持向量机回归算法建立回归模型,并对全国22个省的32个县的婴儿死亡率进行预测.并用径向基函数神经网络建立回归模型对同一数据进行预测.结果预测值与实际值误差较小.该模型具有较高的预测精度.并且,支持向量机预测精度高于径向基函数神经网络.结论利用SVM回归算法建立预测模型是一个新颖而有发展前途的方法.
-
基于百度指数的人感染H7N9禽流感疫情预测
目的 已有研究在基于百度指数预测传染病疫情时大多未考虑各省人口规模对疫情严重程度评估的影响以及公众搜索行为随疫情发展的变化.以人感染H7 N9禽流感为例,克服上述不足,基于百度指数预测该疫情的发展.方法 引入各省每年每1000万常住人口中感染病例数来评估各省疫情的严重程度;选择疫情较为严重的省份,基于关键词"H7N9"的百度指数建立支持向量机回归来预测该省疫情的发展.结果 若不考虑人口规模的影响,仅利用总病例数评估各省疫情的严重程度,福建省疫情会被低估.进一步选择基于百度指数预测福建省疫情,发现:随着疫情的发展,福建省公众的搜索行为发生变化.因此,考虑到公众的搜索行为,基于福建省关键词"H7 N9"的百度指数分波段建立支持向量机回归来预测疫情的发展,该回归能够准确预测疫情的变化趋势以及峰值暴发的时间.结论 根据公众的搜索行为,分波段建立疫情预测模型,可以实现疫情变化趋势和暴发时间的准确预测.
关键词： 人感染H7N9禽流感 百度指数 人口规模 公众搜索行为 支持向量机回归
