中国媒介生物学及控制杂志
中國媒介生物學及控製雜誌
중국매개생물학급공제잡지
CHINESE JOURNAL OF VECTOR BIOLOGY AND CONTROL
2008年
6期
557-559
,共3页
黄德生%沈铁峰%吴伟%关鹏%周宝森
黃德生%瀋鐵峰%吳偉%關鵬%週寶森
황덕생%침철봉%오위%관붕%주보삼
支持向量机%肾综合征出血热%预测
支持嚮量機%腎綜閤徵齣血熱%預測
지지향량궤%신종합정출혈열%예측
目的 探讨支持向量机(SVM)在肾综合征出血热(HFRS)发病率预测上的优势及应用前景.方法 首先,利用辽宁省葫芦岛市1984-2006的气象资料(包括平均气压、平均气温、平均降雨量、相对湿度、日照时数、日照百分率)和动物疫情资料(包括鼠密度和鼠带病毒率)共8个指标作为解释变量,所有变量均进行归一化到[0,1]区间,将整个数据集分成训练集和检验集,从数据集中随机抽取1/3个体(舍人取整)组成检验集,其余样本作为训练集.其次,利用软件R 2.60构造HFRS发病率预测的SVM模型,获得误差平方和.最后,与基于反馈(BP)和径向基函数(RBF)神经网络模型的预测结果 进行比较.结果 对于训练集,SVM拟合的误差平方和的x±s为(0.031±0.009),而BP和RBF神经网络拟合的误差平方和的.x±s分别为(0.074±0.030)和(0.082±0.018);对于检验集,SVM预测的误差平方和的x±s为(0.067±0.021),而BP和RBF神经网络预测的误差平方和的x±5分别为(0.073±0.022)和(0.089±0.036).结论 SVM作为近年来在统计学理论的基础上发展起来的一种新的模式识别方法 ,在解决小样本、非线性及高维模式识别问题中具有较高的预测精度和较强的泛化能力.该模型对于发病率的预测是可靠的,可以作为HFRS疫情预测的参考方法 .
目的 探討支持嚮量機(SVM)在腎綜閤徵齣血熱(HFRS)髮病率預測上的優勢及應用前景.方法 首先,利用遼寧省葫蘆島市1984-2006的氣象資料(包括平均氣壓、平均氣溫、平均降雨量、相對濕度、日照時數、日照百分率)和動物疫情資料(包括鼠密度和鼠帶病毒率)共8箇指標作為解釋變量,所有變量均進行歸一化到[0,1]區間,將整箇數據集分成訓練集和檢驗集,從數據集中隨機抽取1/3箇體(捨人取整)組成檢驗集,其餘樣本作為訓練集.其次,利用軟件R 2.60構造HFRS髮病率預測的SVM模型,穫得誤差平方和.最後,與基于反饋(BP)和徑嚮基函數(RBF)神經網絡模型的預測結果 進行比較.結果 對于訓練集,SVM擬閤的誤差平方和的x±s為(0.031±0.009),而BP和RBF神經網絡擬閤的誤差平方和的.x±s分彆為(0.074±0.030)和(0.082±0.018);對于檢驗集,SVM預測的誤差平方和的x±s為(0.067±0.021),而BP和RBF神經網絡預測的誤差平方和的x±5分彆為(0.073±0.022)和(0.089±0.036).結論 SVM作為近年來在統計學理論的基礎上髮展起來的一種新的模式識彆方法 ,在解決小樣本、非線性及高維模式識彆問題中具有較高的預測精度和較彊的汎化能力.該模型對于髮病率的預測是可靠的,可以作為HFRS疫情預測的參攷方法 .
목적 탐토지지향량궤(SVM)재신종합정출혈열(HFRS)발병솔예측상적우세급응용전경.방법 수선,이용요녕성호호도시1984-2006적기상자료(포괄평균기압、평균기온、평균강우량、상대습도、일조시수、일조백분솔)화동물역정자료(포괄서밀도화서대병독솔)공8개지표작위해석변량,소유변량균진행귀일화도[0,1]구간,장정개수거집분성훈련집화검험집,종수거집중수궤추취1/3개체(사인취정)조성검험집,기여양본작위훈련집.기차,이용연건R 2.60구조HFRS발병솔예측적SVM모형,획득오차평방화.최후,여기우반궤(BP)화경향기함수(RBF)신경망락모형적예측결과 진행비교.결과 대우훈련집,SVM의합적오차평방화적x±s위(0.031±0.009),이BP화RBF신경망락의합적오차평방화적.x±s분별위(0.074±0.030)화(0.082±0.018);대우검험집,SVM예측적오차평방화적x±s위(0.067±0.021),이BP화RBF신경망락예측적오차평방화적x±5분별위(0.073±0.022)화(0.089±0.036).결론 SVM작위근년래재통계학이론적기출상발전기래적일충신적모식식별방법 ,재해결소양본、비선성급고유모식식별문제중구유교고적예측정도화교강적범화능력.해모형대우발병솔적예측시가고적,가이작위HFRS역정예측적삼고방법 .