| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 复杂产品研发技术风险识别研究现状 | 第11-13页 |
| 1.2.2 复杂产品研发技术风险评估研究现状 | 第13-15页 |
| 1.2.3 贝叶斯网络参数学习研究现状 | 第15-16页 |
| 1.2.4 研究现状评述 | 第16页 |
| 1.3 主要研究内容及技术路线 | 第16-20页 |
| 1.3.1 研究内容及创新点 | 第16-18页 |
| 1.3.2 研究技术路线及方法 | 第18-20页 |
| 第二章 相关理论概述 | 第20-28页 |
| 2.1 复杂产品的界定以及特点 | 第20-21页 |
| 2.1.1 复杂产品的界定 | 第20页 |
| 2.1.2 复杂产品的特点 | 第20-21页 |
| 2.2 复杂产品研发技术风险 | 第21-22页 |
| 2.2.1 复杂产品研发风险 | 第21-22页 |
| 2.2.2 复杂产品研发技术风险的定义 | 第22页 |
| 2.2.3 复杂产品研发技术风险的衡量 | 第22页 |
| 2.3 贝叶斯网络基础理论 | 第22-27页 |
| 2.3.1 贝叶斯网络概述 | 第22-24页 |
| 2.3.2 贝叶斯网络推理 | 第24-25页 |
| 2.3.3 贝叶斯网络参数学习 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 复杂产品研发技术风险识别研究 | 第28-41页 |
| 3.1 技术风险识别框架 | 第28-29页 |
| 3.2 基于解析结构模型的技术风险、技术风险因素识别 | 第29-35页 |
| 3.2.1 技术风险与技术风险因素识别 | 第29-30页 |
| 3.2.2 技术风险因素间的相互关系 | 第30-34页 |
| 3.2.3 技术风险贝叶斯网络模型 | 第34-35页 |
| 3.3 识别模型算例分析 | 第35-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 复杂产品研发技术风险评估研究 | 第41-58页 |
| 4.1 数据缺失条件下的BN网络参数学习算法的改进 | 第41-51页 |
| 4.1.1 问题描述 | 第41-42页 |
| 4.1.2 算法描述与实现 | 第42-46页 |
| 4.1.3 实验数据的来源与有效性 | 第46页 |
| 4.1.4 机器学习方法的修复效果研究 | 第46-51页 |
| 4.2 BN网络技术风险评估模型算例分析 | 第51-54页 |
| 4.2.1 BN网络模型结构的条件概率表的建立 | 第51-52页 |
| 4.2.2 贝叶斯网络模型技术风险、技术风险因素概率推理 | 第52-54页 |
| 4.3 技术风险后果影响大小评估 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 研究结论与展望 | 第58-60页 |
| 5.1 研究结论 | 第58页 |
| 5.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 在学期间的研究成果及发表的学术论文 | 第65-66页 |
| 附录 | 第66-79页 |
