首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于MSVL的社交网络概率性质的验证

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-14页
第一章 绪论第14-20页
    1.1 研究背景第14页
    1.2 国内外研究现状第14-18页
    1.3 研究内容与组织结构第18-20页
第二章 相关工作及背景知识第20-32页
    2.1 隐马尔可夫模型第20-25页
        2.1.1 基本定义第20页
        2.1.2 基本问题及算法第20-25页
    2.2 MSVL统一模型检测第25-30页
        2.2.1 MSVL和PPTL第25-28页
        2.2.2 统一模型检测方法第28页
        2.2.3 MC编译器第28-30页
    2.3 本章小结第30-32页
第三章 基于MSVL的社交网络概率性质的验证第32-42页
    3.1 方法流程第32-33页
    3.2 方法的技术要点第33-41页
        3.2.1 模型中状态的选取第33-34页
        3.2.2 数据的来源第34-35页
        3.2.3 隐马尔可夫模型的训练第35-36页
        3.2.4 MSVL建模程序第36-38页
        3.2.5 性质的获取及验证第38-41页
    3.3 本章小结第41-42页
第四章 新浪微博中用户交互行为和关系强度的实例分析第42-56页
    4.1 建模的流程第43-47页
        4.1.1 隐状态和观测状态的选取第43-44页
        4.1.2 数据的爬取第44页
        4.1.3 数据的处理第44-45页
        4.1.4 模型的建立第45-47页
    4.2 验证第47-49页
        4.2.1 用户交互行为概率性质的验证第47-48页
        4.2.2 关系强度概率性质的验证第48-49页
    4.3 建模、仿真及验证结果第49-52页
    4.4 与工具T2的对比第52-54页
    4.5 本章小结第54-56页
第五章 鱼群中社交行为的实例分析第56-66页
    5.1 动物社交行为的研究进展及意义第56-57页
    5.2 建模的流程第57-61页
        5.2.1 隐状态和观测状态的选取第57-58页
        5.2.2 数据的获取及处理第58-59页
        5.2.3 模型的建立第59-61页
    5.3 鱼社交行为概率性质的验证第61-63页
    5.4 与工具T2的对比第63-64页
    5.5 本章小结第64-66页
第六章 总结与展望第66-68页
    6.1 总结第66页
    6.2 展望第66-68页
参考文献第68-74页
致谢第74-76页
作者简介第76-77页

论文共77页,点击 下载论文
上一篇:基于BF-BV算法的入侵检测引擎设计与实现
下一篇:社交网络中的种子集合与传播时间最小化研究