| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-24页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.2 国内外研究现状 | 第13-22页 |
| 1.2.1 随机集理论的研究现状 | 第13-14页 |
| 1.2.2 不确定性量化的研究现状 | 第14-16页 |
| 1.2.3 模型确认的研究现状 | 第16-20页 |
| 1.2.4 QMU应用形式的研究现状 | 第20-22页 |
| 1.3 论文主要研究内容 | 第22-24页 |
| 第二章 基于随机集理论的不确定性量化 | 第24-51页 |
| 2.1 引言 | 第24页 |
| 2.2 随机集理论基本原理 | 第24-26页 |
| 2.3 混合不确定性测试信息的基本概率赋值函数构造方法 | 第26-35页 |
| 2.3.1 Bootstrap方法与核密度估计 | 第27-28页 |
| 2.3.2 构造基本概率赋值函数 | 第28-30页 |
| 2.3.3 算例分析 | 第30-35页 |
| 2.4 变量相关条件下的不确定性量化 | 第35-50页 |
| 2.4.1 相关变量的Nataf变换 | 第36-37页 |
| 2.4.2 考虑变量间相关性的随机集理论不确定性量化 | 第37-39页 |
| 2.4.3 算例分析 | 第39-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第三章 认知不确定性以及多响应条件下的确认度量 | 第51-69页 |
| 3.1 引言 | 第51-52页 |
| 3.2 认知不确定性条件下的确认度量 | 第52-60页 |
| 3.2.1 Pignistic概率转换 | 第53页 |
| 3.2.2 认知不确定性条件下基于概率分布距离的确认度量 | 第53-55页 |
| 3.2.3 算例分析 | 第55-60页 |
| 3.3 多响应条件下的确认度量 | 第60-68页 |
| 3.3.1 多响应条件下基于概率分布距离的确认度量 | 第60-62页 |
| 3.3.2 算例分析 | 第62-68页 |
| 3.4 本章小结 | 第68-69页 |
| 第四章 条件概率非精确时的确认推断 | 第69-81页 |
| 4.1 引言 | 第69-70页 |
| 4.2 确认推断的贝叶斯原理 | 第70-74页 |
| 4.2.1 贝叶斯因子 | 第70-72页 |
| 4.2.2 贝叶斯网络 | 第72-74页 |
| 4.3 基于区间概率的确认推断方法 | 第74-78页 |
| 4.4 算例分析 | 第78-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第五章 基于分位点比较的QMU度量 | 第81-96页 |
| 5.1 引言 | 第81-82页 |
| 5.2 随机集理论模型不确定性量化与Logistic回归相结合的QMU度量 | 第82-92页 |
| 5.2.1 基于Logistic回归的性能阈值不确定性量化 | 第84-89页 |
| 5.2.2 基于分位点比较的QMU度量 | 第89-92页 |
| 5.3 算例分析 | 第92-95页 |
| 5.4 本章小结 | 第95-96页 |
| 第六章 基于随机集不确定性表征的系统参数优化设计 | 第96-108页 |
| 6.1 引言 | 第96-97页 |
| 6.2 随机集概率分布表示与遗传算法相结合的系统参数优化设计 | 第97-103页 |
| 6.3 算例分析 | 第103-107页 |
| 6.4 本章小结 | 第107-108页 |
| 第七章 总结与展望 | 第108-111页 |
| 7.1 全文总结 | 第108-109页 |
| 7.2 主要创新点 | 第109页 |
| 7.3 不足与展望 | 第109-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-124页 |
| 附录A 博士研究生期间学术论文发表情况 | 第124-125页 |
| 附录B 缩略语表 | 第125页 |
