基于经验模态分解集成学习技术的传染病传播预测统一框架
计算工程、金融与科学
2019-12-02 v2 机器学习
数据分析、统计与概率
机器学习
摘要
本文提出一个统一的易感-暴露-感染-易感-警觉 (SEIS-A) 框架，将传染病传播与个体的在线自我咨询行为相结合。基于 SEIS-A 框架建立传染病传播预测模型。预测过程包含两个阶段。阶段 I 中，通过经验模态分解 (EMD) 方法对疾病密度的时序数据进行分解，得到本征模态函数 (IMF)。阶段 II 中，以在线查询数据作为附加输入，对这些 IMF 应用集成学习技术。最后，通过开展香港手足口病 (HFMD) 每周咨询率预测实验来验证所提方法的有效性。该方法的主要优势在于其在波动复杂数据上优于其他方法。
引用
@article{arxiv.1901.01144,
title = {A unified framework of epidemic spreading prediction by empirical mode decomposition based ensemble learning techniques},
author = {Yun Feng and Bing-Chuan Wang},
journal= {arXiv preprint arXiv:1901.01144},
year = {2019}
}
备注
Some issues need to be addressed in this manuscript