面向传染病主动监控的异构数据挖掘方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状与分析 | 第14-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 相关技术和算法概述 | 第19-35页 |
| 2.1 主动监控相关技术 | 第19-25页 |
| 2.1.1 个体行为静态监控 | 第19-20页 |
| 2.1.2 个体行为动态监控 | 第20-22页 |
| 2.1.3 群体行为静态监控 | 第22-23页 |
| 2.1.4 群体行为动态监控 | 第23-25页 |
| 2.2 数据挖掘相关算法 | 第25-33页 |
| 2.2.1 逻辑回归 | 第25-27页 |
| 2.2.2 神经网络 | 第27-29页 |
| 2.2.3 强化学习 | 第29-31页 |
| 2.2.4 在线学习 | 第31-33页 |
| 2.3 本章小结 | 第33-35页 |
| 第3章 基于时空传播网络的主动监控方法 | 第35-63页 |
| 3.1 引言 | 第35-38页 |
| 3.2 相关研究 | 第38-39页 |
| 3.3 模型与方法 | 第39-47页 |
| 3.3.1 问题定义 | 第39-40页 |
| 3.3.2 感染风险时空模式建模 | 第40-41页 |
| 3.3.3 感染风险时空模式发现 | 第41-44页 |
| 3.3.4 混合优化算法 | 第44-46页 |
| 3.3.5 疟疾实例研究 | 第46-47页 |
| 3.4 实验与分析 | 第47-62页 |
| 3.4.1 数据收集及预处理 | 第48-50页 |
| 3.4.2 算法综合有效性验证 | 第50-53页 |
| 3.4.3 基于分类的模型验证 | 第53-55页 |
| 3.4.4 无模型算法对比验证 | 第55-58页 |
| 3.4.5 有模型算法对比验证 | 第58-60页 |
| 3.4.6 模型参数选择策略 | 第60-61页 |
| 3.4.7 ASPII算法优势分析 | 第61-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第4章 基于强化学习的可持续主动监控方法 | 第63-79页 |
| 4.1 引言 | 第63-65页 |
| 4.2 相关研究 | 第65-66页 |
| 4.3 模型与方法 | 第66-71页 |
| 4.3.1 问题描述 | 第66-67页 |
| 4.3.3 可持续主动监控架构 | 第67-70页 |
| 4.3.4 传染病实例研究 | 第70-71页 |
| 4.4 实验与分析 | 第71-76页 |
| 4.4.1 数据集描述 | 第72页 |
| 4.4.2 对比算法和实验设置 | 第72-73页 |
| 4.4.3 实验结果与分析 | 第73-76页 |
| 4.4.4 SAS算法优势分析 | 第76页 |
| 4.5 本章小结 | 第76-79页 |
| 第5章 基于在线学习的实时主动监控方法 | 第79-97页 |
| 5.1 引言 | 第79-80页 |
| 5.2 相关研究 | 第80-82页 |
| 5.3 模型与方法 | 第82-89页 |
| 5.3.1 问题描述 | 第82页 |
| 5.3.2 迁移过程建模 | 第82-85页 |
| 5.3.3 自动分类算法 | 第85-86页 |
| 5.3.4 在线优化算法 | 第86-89页 |
| 5.4 实验与分析 | 第89-94页 |
| 5.4.1 数据集描述 | 第89-90页 |
| 5.4.2 人工数据实验验证 | 第90-92页 |
| 5.4.3 真实数据实验验证 | 第92-94页 |
| 5.4.4 RAS算法优势分析 | 第94页 |
| 5.5 本章小结 | 第94-97页 |
| 第6章 总结与展望 | 第97-99页 |
| 6.1 工作总结 | 第97-98页 |
| 6.2 工作展望 | 第98-99页 |
| 参考文献 | 第99-113页 |
| 作者简介及在学期间所取得的科研成果 | 第113-117页 |
| 致谢 | 第117页 |
