| 提要 | 第4-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9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 国内外研究现状 | 第14-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第2章 相关知识 | 第19-43页 |
| 2.1 SI 模型 | 第19-20页 |
| 2.2 SIS 模型 | 第20-21页 |
| 2.3 SIR 模型 | 第21-23页 |
| 2.4 LDA 主题模型 | 第23-26页 |
| 2.5 隐马尔科夫连接图模型 | 第26-31页 |
| 2.5.1 马尔科夫过程和马尔科夫链的简要历史 | 第26-27页 |
| 2.5.2 解决马尔科夫模型的算法历史 | 第27页 |
| 2.5.3 HMMs 的数学基础 | 第27-28页 |
| 2.5.4 HMMs 的基本问题和算法 | 第28-30页 |
| 2.5.5 解码问题和 Viterbi 算法 | 第30页 |
| 2.5.6 学习问题 | 第30-31页 |
| 2.6 GIBSS 抽样 | 第31-34页 |
| 2.6.1 蒙特卡洛的基本思想 | 第32页 |
| 2.6.2 抽样方法 | 第32-34页 |
| 2.7 MIT SOCIAL EVOLUTION 数据集 | 第34-37页 |
| 2.8 基于个体的传染病模拟方法 | 第37-41页 |
| 2.9 结束语 | 第41-43页 |
| 第3章 居民负能量的计算测度和居民情感交互模式研究 | 第43-55页 |
| 3.1 引言 | 第43-44页 |
| 3.2 相关工作 | 第44-45页 |
| 3.3 问题定义 | 第45-46页 |
| 3.4 潜在狄利克雷分配主题模型 | 第46-47页 |
| 3.5 LDA 主题模型 | 第47页 |
| 3.6 多模显性特征 | 第47-48页 |
| 3.7 基于多模显性特征的前向神经网络 | 第48页 |
| 3.8 实验 | 第48-54页 |
| 3.8.1 MIT Social Evolution 数据集 | 第48-49页 |
| 3.8.2 交互模式挖掘 | 第49-52页 |
| 3.8.3 用户角色类别识别 | 第52-54页 |
| 3.9 结束语 | 第54-55页 |
| 第4章 一种基于情感传播无源假设和动态特征的个体负向情感动态传播模型 | 第55-69页 |
| 4.1 引言 | 第55-56页 |
| 4.2 相关工作 | 第56-57页 |
| 4.3 问题定义 | 第57-58页 |
| 4.4 个体负向情感动态传播模型 | 第58-60页 |
| 4.4.1 负向情感动态传播的隐马尔科夫连接图模型 | 第58-59页 |
| 4.4.2 GIBBS 抽样 | 第59-60页 |
| 4.5 实验 | 第60-67页 |
| 4.5.1 MIT SOCIAL EVOLUTION 数据集 | 第60-61页 |
| 4.5.2 模拟实验场景设置 | 第61-62页 |
| 4.5.3 网络分析 | 第62-64页 |
| 4.5.4 基于模拟数据的验证 | 第64-65页 |
| 4.5.5 基于真实数据的验证 | 第65-67页 |
| 4.6 结束语 | 第67-69页 |
| 第5章 一种基于公共交通的传染病爆发模拟器 | 第69-83页 |
| 5.1 传染病模型 | 第71-73页 |
| 5.2 阈值分析 | 第73-74页 |
| 5.3 测试与分析 | 第74-81页 |
| 5.4 结束语 | 第81-83页 |
| 第6章 总结与展望 | 第83-87页 |
| 6.1 总结 | 第83-84页 |
| 6.2 展望 | 第84-87页 |
| 参考文献 | 第87-90页 |
| 作者简介及在学期间所取得的科研成果 | 第90-93页 |
| 致谢 | 第93页 |
