针对Epidemic路由协议在DTN网络中应用时存在的网络资源消耗过大,且无法保障通信可靠性的问题.采用理论分析和实验仿真相结合的方法,提出了发送域、链路可靠度的概念及一种基于位置信息的改进型路由协议,并对改进型路由协议和Epidemic路由协议在到达率,平均时延及路由开销等性能进行了对比分析.研究结果表明:减少消息副本提高了网络利用率,测量链路可靠度选择的最优路径达到了优化网络的目的,研究结论在一些特殊网络中具有一定得应用价值.

Epidemic.Network该算法通过使用（BATS，TBATS，Holt线性趋势，ARIMA，SIR和NNAR）模型预测共阴病例19 Makarovskikh Tatyana Anatolyevna“МакаровскихТатьянаАнатольевна” Abotaleb mostafa“АботалебМостафа” 电机工程与计算机科学系 南乌拉尔州立大学，车里雅宾斯克州，俄罗斯联邦 这项工作得到了俄罗斯联邦科学和高等教育部的支持（政府命令FENU-2020-0022）。

SEIRS +模型框架 该软件包实现了带有扩展功能的广义SEIRS传染病动态模型，使我们能够研究社交联系网络结构，异质性，随机性和干预措施（如社交距离，测试，联系追踪和隔离）的影响。 最新版本：v1.0（2020年8月9日） 全面推出， 以及面向和人口的。 示例笔记本，其中包含复杂的和模拟的深入演练。 和类已被重构，以符合约定。 动态和核心实现保持不变，但是某些变量名称已更改，等等。 2020年8月9日之前的这些类的版本现在位于legacy_models.py模块中。 启动新的以全面记录模型和包装特征 总览 可以上找到该软件包的模型，代码，用例，示例等的完整文档。 SEIRS动力学 该软件包中模型的基础是经典的传染病SEIR模型。 SEIR模型是标准的隔离模型，其中将种群分为易感（S） ，暴露（E） ，传染性（I）和恢复（R）个体。 与感染个体进行传染性接触时，该种群中的易感成员被感染（暴露），然后进入感染状态，最终恢复。 在SEIRS模型中，恢复的个体可能在恢复后的某个时间变得易感（尽管如果不适用或不期望，则可以排除易感性）。 扩展的SEIRS模型 该模型扩展了经典的传染病S

SIR Epidemic Spread Model.zip，这是一份不错的文件

新冠疫情相似句对判定大赛线上第一名方案 pku吴彦祖队朱政烨 赛题分析 赛题背景 如何通过自然语言技术将问答进行相似分类仍然是一个替代的问题。如识别患者相似性问题，有利于理解患者真正诉求，帮助快速匹配正确答案，提升患者获得感；归纳医生相似答案，有助于分析答案规范性，保证疫情期间问诊规范性，避免误诊。 任务目标 比赛整理近万条真实语境下疫情相关的患者提问句对，要求选手通过自然语言处理技术识别相似的患者问题。 数据示例 查询1 查询2 标签 每晚运动后咯血，是怎么了？ 每晚运动后咯血是什么原因？ 1个 每晚运动后咯血，是怎么了？ 每晚运动后为什么会咯血？ 1个 每晚运动后咯血，是怎么了？

项目基于Django3.0+Adminlet-2.4.10+Python3.8+Pycharm2019+windows7 全新视角解读疫情信息！

Coronavirus 基于SpringBoot及thymeleaf搭建的疫情信息管理系统 疫情信息管理系统旨在通过信息化手段记录跟踪本地区密切接触者、受感染者、危重症病人、治愈者以及死亡者，以密切接触者为开始一直到感染者治愈或者死亡，记录其基本信息、感染源、核算记录以及发病情况等信息，在通过信息化可视化手段展示本地区疫情发展情况，统计各个人群的数量，每个人群所占比例。 本系统的技术环境为： JDK1.8 SpringMvc SpringSecurity SpringBoot Mysql Mybatis Thymeleaf echarts 如果有同学需要毕业设计的话，可以借鉴 系统功能模块 疫情信息管理系统应当具备两种对象，疫情管理员对象可以对确诊患者、密切接触者、死亡患者、治愈患者的信息进行管理操作，系统管理员对象在疫情管理员对象的功能基础上可以对系统登录用户进行增删改查。针对需求分析

流行性 epidemic是一个开源的SyncroSim基本软件包，它为开发基于情景的未来日常流行病感染和死亡的随机模型提供了一个通用框架。 该框架将实际每日报告死亡的时间序列以及用户提供的死亡率和感染期作为输入，并反算导致记录的死亡的感染数。 基于这些假定的感染，该模型随后根据未来每日感染增长率的外生估计时间序列，及时预测未来的感染。 目前，流行病使用户可以从两种感染增长形式中选择一种：指数增长和逻辑增长。 对于逻辑增长模型，该框架通过指定人口规模和攻击率来限制可能感染的上限。 将来可以轻松添加其他模型增长形式。 所有模型投影均使用SyncroSim的内置蒙特卡罗模拟引擎–结果模型输入通常指定为时空分布，因此得出的模型投影包括不确定性和时空变异性的估计。 流行病背后的建模框架足够通用，可以应用于任何辖区和任何疾病。 此外，由于它是使用SyncroSim仿真引擎开发的，因此用户可以直接

流行病 基于主体的SIR模型，模拟流行病在人群中的扩散

描述：基于Android平台实现简单的肺炎疫情查询的APP 基本功能： 1. 显示当日的全国疫情总数据。 2. 显示当日的海外主要国家疫情数据。 3. 显示当日的疫情动态新闻。 4. 显示最近7天全国的确诊和疑似病例数（折线图显示变化）