| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 主要符号表 | 第14-16页 |
| 第1章 绪论 | 第16-27页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-23页 |
| 1.2.1 可能性分布合成理论 | 第18-22页 |
| 1.2.2 可能性分布的工程应用及合成的应用需求 | 第22-23页 |
| 1.3 论文的研究内容及章节安排 | 第23-27页 |
| 1.3.1 研究内容 | 第23-24页 |
| 1.3.2 章节安排 | 第24-27页 |
| 第2章 可能性理论基础 | 第27-47页 |
| 2.1 可能性分布的基本概念 | 第27-36页 |
| 2.1.1 可能性分布的定义及性质 | 第27-30页 |
| 2.1.2 可能性分布的数字特征 | 第30-36页 |
| 2.2 可能性测度、截集相关知识 | 第36-41页 |
| 2.2.1 可能性测度及其性质 | 第36-39页 |
| 2.2.2 截集及其性质 | 第39-41页 |
| 2.3 可能性理论的意义与应用 | 第41-46页 |
| 2.3.1 可能性理论的科学意义 | 第41-43页 |
| 2.3.2 可能性理论的应用价值 | 第43-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 不确定性信息的可能性分布构造 | 第47-68页 |
| 3.1 引言 | 第47-49页 |
| 3.2 概率分布—可能性分布的转化 | 第49-56页 |
| 3.2.1 可能性分布与概率分布间的联系 | 第49-53页 |
| 3.2.2 构造方法分类 | 第53-56页 |
| 3.3 基于概率分布的可能性分布构造 | 第56-61页 |
| 3.3.1 构造方法原理 | 第56-58页 |
| 3.3.2 转化规律及其证明 | 第58-61页 |
| 3.4 基于小样本不确定性信息的可能性分布构造 | 第61-66页 |
| 3.4.1 小样本问题的提出 | 第61-64页 |
| 3.4.2 构造方法原理及实现 | 第64-65页 |
| 3.4.3 实例分析 | 第65-66页 |
| 3.5 本章小结 | 第66-68页 |
| 第4章 可能性分布合成相关理论 | 第68-80页 |
| 4.1 可能性分布合成的基本概念 | 第68-69页 |
| 4.2 可能性分布的运算与合成 | 第69-78页 |
| 4.2.1 可能性分布的基本运算 | 第69-72页 |
| 4.2.2 可能性分布的合成形式 | 第72-73页 |
| 4.2.3 基于可能性分布运算的红外图像融合 | 第73-78页 |
| 4.3 可能性分布合成方法分类 | 第78页 |
| 4.4 本章小结 | 第78-80页 |
| 第5章 可能性分布的合成方法 | 第80-106页 |
| 5.1 基于模糊算子的可能性分布合成法 | 第80-83页 |
| 5.2 可能性分布的相似测度 | 第83-87页 |
| 5.2.1 基于距离的相似测度 | 第84-85页 |
| 5.2.2 基于模糊数特征的相似测度 | 第85-87页 |
| 5.3 基于非线性模糊数相似测度的对数回归加权合成方法 | 第87-98页 |
| 5.3.1 非线性模糊数的相似测度 | 第88-90页 |
| 5.3.2 几种相似测度方法的比较 | 第90-92页 |
| 5.3.3 对数回归加权合成方法 | 第92-93页 |
| 5.3.4 金属与非金属粘接性能的特征分析 | 第93-98页 |
| 5.4 基于常用可能性分布确定度的合成方法 | 第98-104页 |
| 5.4.1 特征参数与检测性能间的关系 | 第98-100页 |
| 5.4.2 可能性分布确定度计算 | 第100-101页 |
| 5.4.3 金属与非金属粘接特征与性能间关系分析 | 第101-104页 |
| 5.5 本章小结 | 第104-106页 |
| 第6章 基于可能性分布合成的决策 | 第106-129页 |
| 6.1 引言 | 第106页 |
| 6.2 可能性度量体系 | 第106-108页 |
| 6.2.1 不同认知状态的解释 | 第106-107页 |
| 6.2.2 不同集合的不确定性描述 | 第107-108页 |
| 6.3 可能性分布—mass 函数转化与可靠度决策方法 | 第108-119页 |
| 6.3.1 基于加权重心的可能性分布到 mass 函数的转化 | 第110-112页 |
| 6.3.2 评估准则 | 第112-114页 |
| 6.3.3 基于净流量的有序可靠度权重确定 | 第114-115页 |
| 6.3.4 决策规则 | 第115-116页 |
| 6.3.5 实例分析 | 第116-119页 |
| 6.4 基于可能性分布的扩展 TOPSIS 决策方法 | 第119-127页 |
| 6.4.1 TOPSIS 方法 | 第120-122页 |
| 6.4.2 基于可能性分布的扩展 TOPSIS 方法 | 第122-125页 |
| 6.4.3 实例分析 | 第125-127页 |
| 6.5 本章小结 | 第127-129页 |
| 第7章 可能性分布合成理论在尾矿坝监测中的应用 | 第129-137页 |
| 7.1 尾矿坝监测概述 | 第129-130页 |
| 7.2 监测指标可能性分布的构造 | 第130-133页 |
| 7.2.1 库水位、坝体位移、干滩长度的可能性分布构造 | 第130-132页 |
| 7.2.2 浸润线的可能性分布构造 | 第132-133页 |
| 7.3 浸润线可能性分布的合成 | 第133-134页 |
| 7.4 坝体风险评估 | 第134-136页 |
| 7.5 本章小结 | 第136-137页 |
| 第8章 结束语 | 第137-141页 |
| 8.1 本文的主要工作与创新点 | 第137-140页 |
| 8.2 下一步需要开展的工作 | 第140-141页 |
| 参考文献 | 第141-155页 |
| 攻读博士期间发表的学术成果 | 第155-156页 |
| 攻读博士期间参加的科研项目 | 第156-158页 |
| 致谢 | 第158-159页 |
