本文關(guān)鍵詞：基于社交網(wǎng)絡(luò)的流感監(jiān)控和預(yù)測算法

  更多相關(guān)文章： 流感 社交網(wǎng)絡(luò) 監(jiān)控 預(yù)測 PM2.5

【摘要】：社交網(wǎng)絡(luò)的出現(xiàn)和不斷發(fā)展,使得由社交網(wǎng)絡(luò)產(chǎn)生的數(shù)據(jù)量不斷增大,信息量也不斷豐富�；谏缃痪W(wǎng)絡(luò)進(jìn)行的數(shù)據(jù)分析和挖掘的應(yīng)用越來越多。大數(shù)據(jù)已經(jīng)滲透到生活的方方面面,若能有效的利用大數(shù)據(jù)將會(huì)為生活提供更多便利。公共衛(wèi)生事業(yè)作為社會(huì)發(fā)展的根基與每個(gè)人生活息息相關(guān),影響整個(gè)社會(huì)的穩(wěn)定和發(fā)展。但是,目前對于流行病的監(jiān)控手段主要依賴臨床數(shù)據(jù)。隨著社交網(wǎng)絡(luò)的普及和數(shù)據(jù)多樣化,我們可以通過分析和挖掘社交網(wǎng)絡(luò)中相關(guān)數(shù)據(jù)對特定病癥進(jìn)行監(jiān)控及預(yù)測,在保證數(shù)據(jù)的實(shí)時(shí)性基礎(chǔ)上,可以及時(shí)的進(jìn)行監(jiān)控和預(yù)測,為公共衛(wèi)生事業(yè)提供較早的決策支持和幫助。本文中的社交網(wǎng)絡(luò)數(shù)據(jù)主要以新浪微博數(shù)據(jù)作為主要數(shù)據(jù)源,以PM2.5數(shù)據(jù)作為輔助,在國內(nèi)范圍內(nèi),針對流行性感冒進(jìn)行監(jiān)控和預(yù)測。文章考慮流感的潛伏期、發(fā)病期等時(shí)間因素的影響,以及流行病的傳播模式,結(jié)合目前數(shù)據(jù),分析和研究基于社交網(wǎng)絡(luò)的流感監(jiān)控和預(yù)測的方法。針對內(nèi)容繁雜的社交網(wǎng)絡(luò)數(shù)據(jù),本文首先對源數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,考慮流感的病癥特點(diǎn)主要采用關(guān)鍵字過濾技術(shù),獲取與流感相關(guān)的用戶信息,并分別采用KNN分類、樸素貝葉斯分類(NB)和支持向量機(jī)(SVM)分類三種分類算法進(jìn)行比較,將分類效果最好的算法得到的結(jié)果集作為研究的核心數(shù)據(jù)。在監(jiān)控方面,將核心數(shù)據(jù)與疾病控制中心(CDC)數(shù)據(jù)在時(shí)間和空間粒度上進(jìn)行對比,驗(yàn)證社交網(wǎng)絡(luò)數(shù)據(jù)的有效性；并考慮空氣質(zhì)量對流感的影響,將PM2.5數(shù)據(jù)與社交數(shù)據(jù)進(jìn)行對比,證明PM2.5數(shù)據(jù)與流感的關(guān)聯(lián)關(guān)系,從而證明通過對社交網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分析可以用來監(jiān)控流感現(xiàn)狀。在預(yù)測方面,主要使用動(dòng)態(tài)貝葉斯算法結(jié)合隱馬爾科夫模型,考慮社交網(wǎng)絡(luò)中的社交關(guān)系和所處地理位置對流感傳播的影響,及流感的周期性和一段時(shí)間內(nèi)的PM2.5指數(shù)對流感發(fā)病率的影響,將這些影響因素作為模型中考慮的主要參數(shù),在數(shù)據(jù)量一定的基礎(chǔ)上,進(jìn)行交叉實(shí)驗(yàn)對模型的預(yù)測效果進(jìn)行評估。
【關(guān)鍵詞】：流感 社交網(wǎng)絡(luò) 監(jiān)控 預(yù)測 PM2.5
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP311.13;O157.5
【目錄】：

• 內(nèi)容摘要6-7
• ABSTRACT7-10
• 1. 緒論10-16
• 1.1. 研究背景和意義10-13
• 1.2. 研究內(nèi)容和研究成果13-14
• 1.3. 本文的主要內(nèi)容和組織結(jié)構(gòu)14-16
• 2. 國內(nèi)外研究進(jìn)展16-20
• 3. 相關(guān)術(shù)語及問題定義20-23
• 3.1. 相關(guān)術(shù)語20-21
• 3.2. 問題定義21-23
• 4. 數(shù)據(jù)概述23-26
• 4.1. 社交網(wǎng)絡(luò)數(shù)據(jù)概述23-24
• 4.2. CDC流感臨床數(shù)據(jù)24-25
• 4.3. AQI及PM2.5數(shù)據(jù)25-26
• 5. 數(shù)據(jù)預(yù)處理26-49
• 5.1. 社交網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理26-37
• 5.1.1. 流感癥狀關(guān)鍵詞過濾26-29
• 5.1.2. 社交網(wǎng)絡(luò)中流感病例提取29-37
• 5.1.2.1. 基于KNN算法的流感病例提取29-32
• 5.1.2.2. 基于樸素貝葉斯算法的流感病例提取32-34
• 5.1.2.3. 基于支持向量機(jī)算法的流感病例提取34-36
• 5.1.2.4. 分類算法結(jié)果比較36-37
• 5.2. AQI數(shù)據(jù)歸一化處理37-38
• 5.3. 數(shù)據(jù)有效性驗(yàn)證38-49
• 5.3.1. 流感爆發(fā)地區(qū)的數(shù)據(jù)驗(yàn)證38-45
• 5.3.2. AQI數(shù)據(jù)驗(yàn)證45-49
• 6. 基于隱馬爾科夫模型和動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的流感預(yù)測算法49-60
• 6.1. 流感預(yù)測模型49-51
• 6.2. 模型參數(shù)確認(rèn)51-54
• 6.2.1. 位置預(yù)測52-53
• 6.2.2. 社交關(guān)系53-54
• 6.3. 預(yù)測模型中應(yīng)用的主要算法54-60
• 6.3.1. 隱含狀態(tài)選擇54-57
• 6.3.2. 參數(shù)學(xué)習(xí)和推理57-60
• 7. 基于社交網(wǎng)絡(luò)的流感監(jiān)控和預(yù)測模型的實(shí)驗(yàn)驗(yàn)證60-69
• 7.1. 交叉實(shí)驗(yàn)驗(yàn)證60-61
• 7.2. 實(shí)驗(yàn)結(jié)果評估61-69
• 7.2.1. 數(shù)據(jù)驗(yàn)證61-65
• 7.2.2. 缺失值處理65-66
• 7.2.3. 模型可伸縮性66-69
• 8. 總結(jié)與展望69-71
• 8.1. 本文總結(jié)69-70
• 8.2. 進(jìn)一步工作70-71
• 參考文獻(xiàn)71-75
• 致謝75-76
• 作者簡歷及在學(xué)期間所取得的科研成果76

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 任健;;社交網(wǎng)絡(luò)的力量[J];科技創(chuàng)業(yè);2011年12期

2 武會(huì);;淺談社交網(wǎng)絡(luò)對高校大學(xué)生的影響及若干建議[J];科技致富向?qū)?2013年05期

3 余劍來;;社交網(wǎng)絡(luò)化的發(fā)展方向[J];世界科學(xué);2011年01期

4 余家駒;;電視網(wǎng)絡(luò)將成為社交網(wǎng)絡(luò)[J];世界科學(xué);2011年01期

5 鄧宇燕;;淺談故事型廣告在社交網(wǎng)絡(luò)時(shí)代的傳播[J];科技信息;2011年24期

6 勞倫·考克斯;;請?jiān)诠ぷ鲿r(shí)更新你的狀態(tài)[J];科技創(chuàng)業(yè);2011年05期

7 斯蒂芬·卡斯;;在線社區(qū)能否解決隱私問題[J];科技創(chuàng)業(yè);2011年08期

8 羅伯特·D·霍夫;;廣告主云集社交網(wǎng)絡(luò)[J];科技創(chuàng)業(yè);2011年08期

9 呂經(jīng)緯;李軒昂;;社交網(wǎng)絡(luò)對大學(xué)生成長影響及其對策[J];科技信息;2013年05期

10 張?jiān)掠?王e，

本文編號：1001733