| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 本文的研究背景及意义 | 第10-12页 |
| 1.1.1 本文的研究背景 | 第10-11页 |
| 1.1.2 本文的研究意义 | 第11-12页 |
| 1.2 相关研究现状综述 | 第12-15页 |
| 1.2.1 突发事件信息传播相关问题的研究现状 | 第12页 |
| 1.2.2 突发事件信息生命周期相关研究进展 | 第12-13页 |
| 1.2.3 贝叶斯网络及其在突发事件信息传播领域中的应用 | 第13-15页 |
| 1.2.4 评述 | 第15页 |
| 1.3 本文的主要研究内容与方法 | 第15-17页 |
| 1.3.1 本文的主要研究内容 | 第15-16页 |
| 1.3.2 本文的研究方法 | 第16-17页 |
| 1.4 本文的研究框架与技术路线 | 第17-19页 |
| 1.4.1 本文的研究框架 | 第17-18页 |
| 1.4.2 本文的技术路线 | 第18-19页 |
| 1.5 本文拟解决的主要问题 | 第19-20页 |
| 第二章 相关理论与方法回顾 | 第20-34页 |
| 2.1 突发事件信息传播理论 | 第20-25页 |
| 2.1.1 突发事件及其信息传播理论 | 第20-21页 |
| 2.1.2 突发事件信息传播度量 | 第21-25页 |
| 2.2 信息生命周期理论 | 第25-27页 |
| 2.2.1 信息生命周期的概念特征 | 第25-26页 |
| 2.2.2 信息生命周期管理 | 第26-27页 |
| 2.3 贝叶斯网络理论和方法 | 第27-32页 |
| 2.3.1 贝叶斯网络 | 第27-29页 |
| 2.3.2 贝叶斯网络参数学习 | 第29-31页 |
| 2.3.3 贝叶斯网络结构学习 | 第31-32页 |
| 2.4 遗传算法基本原理 | 第32-34页 |
| 第三章 基于贝叶斯网络的突发事件信息传播建模要素分析 | 第34-51页 |
| 3.1 突发事件信息的生命周期特征 | 第34-36页 |
| 3.1.1 突发事件信息的生命周期特性分析 | 第34页 |
| 3.1.2 突发事件信息的生命周期划分 | 第34-35页 |
| 3.1.3 突发事件信息生命周期各阶段的传播特征分析 | 第35-36页 |
| 3.2 基于贝叶斯网络的突发事件信息传播研判建模要素分析 | 第36-40页 |
| 3.2.1 基于贝叶斯网络的突发事件信息传播研判建模框架 | 第36-38页 |
| 3.2.2 突发事件信息传播建模要素分析 | 第38-40页 |
| 3.3 政府监管对突发事件信息传播的建模分析 | 第40-50页 |
| 3.3.1 无政府监管状态突发事件的信息传播模型 | 第40-45页 |
| 3.3.2 政府监管状态突发事件的信息传播模型 | 第45-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于贝叶斯网络的突发事件信息传播研判模型及仿真 | 第51-65页 |
| 4.1 基于遗传算法的贝叶斯网络结构学习算法设计 | 第51-55页 |
| 4.1.1 基于遗传算法的贝叶斯网络结构学习 | 第51-53页 |
| 4.1.2 BASGA算法的有效性分析 | 第53-55页 |
| 4.2 基于贝叶斯网络的突发事件信息传播研判模型构建 | 第55-58页 |
| 4.2.1 模型节点的选取 | 第55-56页 |
| 4.2.2 子模型的构建 | 第56-58页 |
| 4.3 突发事件信息传播研判模型的仿真与验证 | 第58-64页 |
| 4.3.1 模型结构的仿真 | 第58-59页 |
| 4.3.2 模型参数的确定 | 第59-62页 |
| 4.3.3 模型的验证 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 本文总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-76页 |
| 作者简介 | 第76页 |
