基于非线性扩展函数的图-向量自回归疾病传播预测方法及系统技术方案

本发明专利技术公开一种基于非线性扩展函数的图

【技术实现步骤摘要】
基于非线性扩展函数的图
‑
向量自回归疾病传播预测方法及系统


[0001]本专利技术涉及疾病传播预测、图模型与图信号处理
，具体是一种基于非线性扩展函数的图
‑
向量自回归疾病传播预测方法

技术介绍

[0002]多变量过程的预测是信号处理中的一个关键问题，也在疾病传播预测中得到了广泛的应用。根据监测到的疾病传播历史数据对其传播进程进行预测，从而采取应对措施，将大大降低传染病的危害。对于具有高维和不规则特征的疾病传播数据集，如何描述其时间序列的内在相关性，表征时间序列的底层结构，进而对不规则的时变疾病传播数据进行准确预测，是一个具有挑战性的问题。
[0003]疾病传播数据是一种典型的时空数据，在时间和空间上都呈现出关联特性。在时间上，感染疾病人数受其之前时刻的感染情况的影响；在空间上，地区的发病水平和传播特征与其邻近且相关因素相似的地区有较高的相关性，反之则相关性较低。经典信号处理中的预测方法主要关注疾病传播过程中的时间演变特性，而忽略了其空间相关特性和非线性相关性。
[0004]因此，需要一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于非线性扩展函数的图
‑
向量自回归疾病传播预测方法，其特征在于：包括以下步骤：1)获取疾病传播数据并对疾病传播数据进行图和图信号建模；2)构建图
‑
向量自回归模型；3)利用非线性扩展函数将图信号从低维空间映射到高维空间；4)构建基于非线性扩展函数的图
‑
向量自回归模型；5)对基于非线性扩展函数的图
‑
向量自回归模型的参数进行估计，得到优化的疾病传播预测模型。2.如权利要求1所述的基于非线性扩展函数的图
‑
向量自回归疾病传播预测方法，其特征在于：所述疾病传播数据按照以下方式进行图和图信号建模：设N个地区T个连续时刻的时变疾病传播数据为X＝[x1,x2,
…
,x
T
]∈R
N
×
T
；其中，x
t
(i)∈R
N
，t＝1,2
…
,T为地区i在t时刻的感染病例人数；将地区建模为图节点，结点之间根据数据的特性用边相连，构建出图G＝{V,E,W}，其中，V为图结点的集合，E为边的集合，W为权重矩阵，其内部元素表示对应节点之间的相关程度与邻接关系，若节点间没有边连接，则对权重为0；此时，X作为时变图信号，其内部元素表示不同时刻图节点上的图信号。3.如权利要求1所述的基于非线性扩展函数的图
‑
向量自回归疾病传播预测方法，其特征在于：所述图
‑
向量自回归模型刻按照以下方式建立：设t时刻的信号值表示为之前P个时刻的信号的函数，采用图
‑
向量自回归模型对时变图信号进行建模如公式(1)所示：其中，表示t时刻的感染病例人数的估计值；x
t
‑
p
表示t
‑
p时刻的真实感染病例人数；ε
t
为误差向量，L＝D
‑
W是图拉普拉斯矩阵，表示拉普拉斯矩阵的p
‑
1次方，a
p
为p
‑
1阶拉普拉斯矩阵的系数，拉普拉斯矩阵的最高阶数为P
‑
1；度矩阵D是一个对角阵，其内部元素是W的行和。4.如权利要求1所述的基于非线性扩展函数的图
‑
向量自回归疾病传播预测方法，其特征在于：所述利用非线性扩展函数将信号从低维空间映射到高维空间按照...

【专利技术属性】
技术研发人员：蒋俊正，李文娟，钱江，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：