| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·论文研究背景 | 第11-15页 |
| ·作者的主要工作 | 第15-18页 |
| ·论文的结构 | 第18-19页 |
| 2 信度网推理 | 第19-59页 |
| ·引言 | 第19页 |
| ·信度网与其他概率图模型 | 第19-26页 |
| ·信度网推理 | 第26-29页 |
| ·树状信度网的精确推理算法 | 第29-45页 |
| ·网络传播 | 第29-38页 |
| ·POLYTREE 推理的一种并行处理算法模型 | 第38-45页 |
| ·JOIN TREE 算法及其性能改进 | 第45-58页 |
| ·JOIN TREE 算法 | 第45-50页 |
| ·JOIN TREE 算法的快速三角分解 | 第50-58页 |
| ·小结 | 第58-59页 |
| 3 信度网学习 | 第59-81页 |
| ·信度网学习 | 第59-62页 |
| ·基本概念 | 第59-62页 |
| ·参数学习 | 第62-65页 |
| ·结构学习 | 第65-66页 |
| ·基于约束的学习 | 第65页 |
| ·基于优化的学习 | 第65-66页 |
| ·用遗传算法学习信度网的结构 | 第66-71页 |
| ·信度网的二进制编码 | 第67-68页 |
| ·一种新的编码方案 | 第68-69页 |
| ·演化处理与数值实验 | 第69-71页 |
| ·遗传算法和编码方案小结 | 第71页 |
| ·信度网在线学习算法 | 第71-79页 |
| ·在线学习和主动学习 | 第71-72页 |
| ·信度网参数在线学习算法 | 第72-73页 |
| ·信度网结构在线学习算法 | 第73-76页 |
| ·实验结果(本实验由C++BUILDER 5 编程) | 第76-78页 |
| ·在线学习算法小结 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 4 信度网分类器 | 第81-97页 |
| ·简介 | 第81-83页 |
| ·朴素贝叶斯分类器学习和分类 | 第83-84页 |
| ·对朴素贝叶斯分类器的结构改进 | 第84-86页 |
| ·基于粗糙集的特征加权算法 | 第86-96页 |
| ·粗糙集(ROUGH SET) | 第87-88页 |
| ·特征加权和特征选取 | 第88-89页 |
| ·朴素贝叶斯分类器的特征加权 | 第89-90页 |
| ·数值实验 | 第90-95页 |
| ·结论 | 第95-96页 |
| ·本章小节 | 第96-97页 |
| 5 基于信度网的软件运行状态监控 | 第97-111页 |
| ·简介 | 第97-98页 |
| ·CHPC 监控与数据采集 | 第98-101页 |
| ·软件异常监控模型 | 第101-103页 |
| ·基于软件正常运行状态监控模型 | 第101-102页 |
| ·异常检测 | 第102-103页 |
| ·SOFTDIAGNOSE 软件 | 第103-106页 |
| ·数值实验 | 第106-108页 |
| ·结论 | 第108-111页 |
| 6 总结 | 第111-113页 |
| 致谢 | 第113-115页 |
| 参考文献 | 第115-137页 |
| 附录:攻读博士期间的科研工作和学术论文情况 | 第137-139页 |