腦血管疾病的發(fā)病具有很大的隨機性和不確定性,受到眾多因素的影響,其中氣象因素是很重要的影響因素,通過相關研究建立了基于氣象數(shù)據(jù)的腦血管疾病發(fā)病人數(shù)預測模型能夠為腦血管疾病的防治提供參考�；谝陨系那闆r,本文主要進行了以下研究:1.首先對腦血管疾病發(fā)病的現(xiàn)狀進行了解,對腦血管疾病發(fā)病人數(shù)預測的方法以及影響因子進行了探究和總結。在目前腦血管疾病發(fā)病現(xiàn)狀和預測方法技術不足的基礎上,確定本課題的研究內(nèi)容。2.根據(jù)問題的特點,本文提出利用極限學習機進行腦血管發(fā)病人數(shù)的預測。極限學習機算法相對于傳統(tǒng)機器學習的算法具有優(yōu)越性,但是也存在一些局限性,為提高核函數(shù)逼近能力,本文提出一種高斯核與小波核組合的核函數(shù),構造組合核極限學習機,提高核極限學習機在處理多維的數(shù)據(jù)時的精度。3.為提高組合核極限學習機性能,提出利用粒子群算法優(yōu)化組合核極限學習機參數(shù),引入反向學習初始化方法和高斯變異操作,提高粒子群算法的優(yōu)化能力。最后利用MATLAB進行仿真實驗,通過實驗證明,改進后的粒子群算法（MPSO）具有更好的尋優(yōu)能力。4.利用MPSO全局搜索的能力,優(yōu)化組合核極限學習機的核參數(shù)。同時,根據(jù)氣象數(shù)據(jù)和腦血管發(fā)病人數(shù)... 

【文章來源】：鄭州大學河南省 211工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

PSO-ELM算法流程圖

改進粒子群算法MPSO流程圖

Sphere函數(shù)尋優(yōu)結果圖


本文編號：3428962