将远程随机感染引入到经典的SIRS模型来研究复杂网络上疾病传播行为，考虑到感染节点在以一定概率把疾病感染到其邻接节点的同时，随机选取网络中一个不存在边连接的非邻接节点，并以一定的远程感染概率进行感染。针对小世界网络和无标度网络，分别采用重连概率相关和度相关的远程感染概率，利用平均场的方法求得改进的SIRS模型在这两种网络上的传播阈值以及稳态感染密度。数值仿真结果表明：对于小世界网络，有效传播率在一定范围内，重连概率对稳态感染密度和传播速度有明显的影响，超过这个范围，重连概率对稳态感染密度的影响可以忽略；而

脑中风数据集，一共有3566条数据，10个字段，包含患者性别、年龄、症状、工作类别、居住类别、是否吸烟等详细数据。使用支持向量机、决策树、逻辑回归、随机森林模型，精度都可达0.95。 ================== 脑中风又名脑卒中，是颅内血管破裂或堵塞引起的脑组织坏死进而产生的一系列症状，包括脑出血、脑梗死等。若不及时治疗，患者可能会死亡；而即使治疗及时，患者也有可能会残疾。 近年来，慢性疾病如中风、缺血性心脏病、肺癌、慢性阻塞性肺病和肝癌大幅增加，已成为中国过早死亡的主要原因。中国已经成为全球中风发病风险最高的国家，其居民中风的风险率达到了39.3%。而导致中风的原因，基本和生活习惯有关，高血压、吸烟、饮酒、高钠摄入这些都是中风的危险因素。研究显示，目前中国仅有10%到20%的中风患者可在3小时内被送到医院，治疗时间越晚，患者脑部的损害就越大。 中国高中风死亡率的现状，提醒着社会应投入更多的防控措施。《中国脑卒中防治：进展与挑战》就指出，虽然在中国，中风的发病率和患病人数都远高于心脏病，但相关医疗资源的可及性和质量水平却在32个可防控疾病中排名倒数第二。因此，预防重于治疗。

咖啡叶表面疾病数据集，1700多个咖啡叶子的各种疾病的图片。具有注释和图像掩码以消除背景。 咖啡叶表面疾病数据集，1700多个咖啡叶子的各种疾病的图片。具有注释和图像掩码以消除背景。

豆叶病害数据集，2种疾病和1种健康的检测数据集，每种340张图片 豆叶病害数据集，2种疾病和1种健康的检测数据集，每种340张图片 豆叶病害数据集，2种疾病和1种健康的检测数据集，每种340张图片

儿童疾病面部图像，这个数据集包含了许多显示儿童可能感染的不同疾病的图像，以及所有种族的正常儿童的不同图像。这些图像是关于在眼睛、皮肤或口腔有症状的疾病，共2898张图片。 儿童疾病面部图像，这个数据集包含了许多显示儿童可能感染的不同疾病的图像，以及所有种族的正常儿童的不同图像。这些图像是关于在眼睛、皮肤或口腔有症状的疾病，共2898张图片

肺部疾病CT图像数据集，该数据集包含三个不同的类别，包括健康、1型疾病和2型疾病。训练文件夹这个文件夹有用于训练模型的图像，它被分为与类名称相同的子文件夹。Test文件夹该文件夹包含用于测试模型的图像，它被分为与类名称相同的子文件夹。共300多张肺部CT图像

柑橘类疾病图像分类数据集，包含柑橘溃疡病和黑斑病，每类1200张图片左右 柑橘类疾病图像分类数据集，包含柑橘溃疡病和黑斑病，每类1200张图片左右 柑橘类疾病图像分类数据集，包含柑橘溃疡病和黑斑病，每类1200张图片左右

家禽（鸡）疾病诊断机器学习数据集（一共8068张图片），使用手机上的开放数据工具包(ODK)应用程序拍摄的。分类是“球虫病”，“健康”，“新城病”，“沙门氏菌”。图像的大小被调整为224px 224px。

R医学分析实例传播疾病分析Covid-19，适合医学生的医学分析学习以及模板，可以直接使用，适合小白和进阶者

橙子多类疾病数据集，该数据集用于构建机器学习和深度学习算法，以对橙子的疾病进行分类。在这个数据集中，有一类是新鲜橙子，还有其他三类疾病，柑橘溃疡病，黑斑病和柑橘黄变病。每类疾病200-300张图片不等。