| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究内容 | 第9-10页 |
| 1.3 本文组织结构 | 第10-12页 |
| 第2章 相关技术概述 | 第12-21页 |
| 2.1 基本概念 | 第12页 |
| 2.2 传染病传播模拟算法 | 第12-17页 |
| 2.2.1 传统的传染病模拟方案 | 第12-13页 |
| 2.2.2 图模型下的传染病仿真 | 第13-17页 |
| 2.3 图分割算法 | 第17页 |
| 2.4 大数据处理技术 | 第17-20页 |
| 2.4.1 分布式计算 | 第18-19页 |
| 2.4.2 MapReduce编程模型 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于图模型的传染病传播模拟算法 | 第21-35页 |
| 3.1 引言 | 第21-22页 |
| 3.1.1 健康状态划分 | 第21页 |
| 3.1.2 健康状态转换方式 | 第21-22页 |
| 3.2 改进的EpiSimdemics算法 | 第22-26页 |
| 3.2.1 EpiSimdemics算法的不足 | 第22-23页 |
| 3.2.2 本文的改进方案 | 第23-25页 |
| 3.2.3 EpiSimdemics-Pro算法正确性分析 | 第25页 |
| 3.2.4 EpiSimdemics-Pro算法复杂度分析 | 第25-26页 |
| 3.3 基于个体接触二部图模型的传染病模拟算法 | 第26-28页 |
| 3.3.1 HAI模型描述 | 第26-27页 |
| 3.3.2 HAI算法框架 | 第27-28页 |
| 3.3.3 HAI算法分析 | 第28页 |
| 3.4 传染病模拟算法的应用策略 | 第28-29页 |
| 3.5 实验结果与分析 | 第29-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 大规模数据下的传染病传播模拟算法 | 第35-54页 |
| 4.1 引言 | 第35页 |
| 4.2 分布式下的传染病传播模拟算法 | 第35-46页 |
| 4.2.1 分布式计算架构 | 第35-36页 |
| 4.2.2 基于Metis算法的图模型分割方案 | 第36-37页 |
| 4.2.3 代价模型 | 第37-38页 |
| 4.2.4 代价模型的应用策略 | 第38-39页 |
| 4.2.5 分布式HAI算法描述 | 第39-40页 |
| 4.2.6 实验结果与分析 | 第40-46页 |
| 4.3 基于MapReduce的传染病传播模拟算法 | 第46-53页 |
| 4.3.1 基于MapReduce的EpiSimdemics算法 | 第46-48页 |
| 4.3.2 基于MapReduce的HAI算法 | 第48-49页 |
| 4.3.3 实验结果与分析 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
