| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 本文研究动机及主要贡献 | 第12-15页 |
| 1.4 本文结构 | 第15-16页 |
| 第2章 问题定义与相关工作介绍 | 第16-23页 |
| 2.1 复杂网络中网络推断问题的相关研究 | 第17-19页 |
| 2.2 时空监控网络推断问题的定义 | 第19-21页 |
| 2.3 时空监控网络推断问题的相关研究 | 第21-23页 |
| 第3章 基于组稀疏贝叶斯学习的回归问题 | 第23-40页 |
| 3.1 回归问题模型 | 第23-26页 |
| 3.2 回归模型中的参数优化 | 第26-29页 |
| 3.3 实验 | 第29-39页 |
| 3.3.1 人工合成实验 | 第29-31页 |
| 3.3.2 2009年香港H1N1数据相关实验 | 第31-35页 |
| 3.3.3 2005-2009云南腾冲疟疾数据相关实验 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于组稀疏贝叶斯学习的分类问题 | 第40-48页 |
| 4.1 分类问题模型 | 第40-42页 |
| 4.2 实验 | 第42-47页 |
| 4.2.1 人工合成实验 | 第42-44页 |
| 4.2.2 百度贴吧数据相关实验 | 第44-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 5.1 工作总结 | 第48页 |
| 5.2 工作展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 作者简介 | 第54-55页 |
| 致谢 | 第55-56页 |