| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 报警根源分析研究现状 | 第13-15页 |
| 1.2.2 贝叶斯网络学习研究现状 | 第15-16页 |
| 1.3 本文内容及组织结构 | 第16-18页 |
| 第二章 贝叶斯网络基础理论 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 贝叶斯网络概述 | 第18-20页 |
| 2.2.1 概率基础 | 第18-19页 |
| 2.2.2 条件独立性 | 第19-20页 |
| 2.2.3 贝叶斯网络表示 | 第20页 |
| 2.3 贝叶斯网络学习 | 第20-26页 |
| 2.3.1 结构学习 | 第21-25页 |
| 2.3.2 参数学习 | 第25-26页 |
| 2.4 贝叶斯推理 | 第26-28页 |
| 2.4.1 精确推理算法 | 第27-28页 |
| 2.4.2 近似推理算法 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于改进布谷鸟算法的贝叶斯网络结构学习 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 布谷鸟搜索算法简介 | 第30-32页 |
| 3.3 基于改进布谷鸟算法的贝叶斯网络结构学习 | 第32-36页 |
| 3.3.1 二进制Levy飞行机制 | 第32-34页 |
| 3.3.2 模拟退火算法 | 第34-35页 |
| 3.3.3 基于模拟退火-布谷鸟算法的贝叶斯网络学习 | 第35-36页 |
| 3.4 实验及结果分析 | 第36-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于贝叶斯网络的过程工业报警根源分析 | 第46-64页 |
| 4.1 引言 | 第46页 |
| 4.2 TE过程简介 | 第46-48页 |
| 4.2.1 故障类型说明 | 第47页 |
| 4.2.2 故障数据的采集及处理 | 第47-48页 |
| 4.3 基于贝叶斯网络的过程工业报警根源分析方法 | 第48-51页 |
| 4.3.1 基于偏相关性分析的邻接矩阵构建 | 第48-50页 |
| 4.3.2 基于贝叶斯网络的过程工业报警根源分析 | 第50-51页 |
| 4.4 不同异常情况下报警根源分析 | 第51-63页 |
| 4.4.1 案例1 | 第52-57页 |
| 4.4.2 案例2 | 第57-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 本文工作总结 | 第64-65页 |
| 5.2 未来研究计划 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 研究成果及发表的学术论文 | 第72-74页 |
| 作者和导师简介 | 第74-76页 |
| 附件 | 第76-77页 |