| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 可靠性研究的背景及其意义 | 第8-9页 |
| 1.2 可靠性研究的经典建模方法介绍 | 第9-10页 |
| 1.3 贝叶斯网络学习方法研究现状 | 第10-12页 |
| 1.4 贝叶斯网络可靠性建模研究现状 | 第12-13页 |
| 1.5 论文内容安排 | 第13-15页 |
| 第2章 贝叶斯网络与系统可靠性 | 第15-23页 |
| 2.1 贝叶斯网络基本概念与模型诠释 | 第15-16页 |
| 2.2 系统可靠性的基本理论 | 第16-17页 |
| 2.3 系统可靠性模型的贝叶斯网络表达 | 第17-19页 |
| 2.4 可靠性数据的产生与蒙特卡洛方法 | 第19-20页 |
| 2.5 由贝叶斯网络计算系统可靠性示例 | 第20-23页 |
| 第3章 贝叶斯网络学习方法 | 第23-31页 |
| 3.1 贝叶斯网络参数学习方法 | 第23页 |
| 3.2 贝叶斯网络结构学习方法 | 第23-30页 |
| 3.2.1 基于评分搜索的结构学习方法 | 第24-29页 |
| 3.2.1.1 基于最小描述长度的结构学习方法 | 第24-26页 |
| 3.2.1.2 基于贝叶斯信息准则的结构学习方法 | 第26-28页 |
| 3.2.1.3 基于贝叶斯评分的结构学习方法 | 第28-29页 |
| 3.2.2 基于条件独立性测试的方法 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于CH评分与DGA的系统可靠性模型构建方法 | 第31-44页 |
| 4.1 BN结构的DC描述 | 第31-32页 |
| 4.2 BN结构的进化过程 | 第32-35页 |
| 4.3 CH-DGA算法的性能分析 | 第35-40页 |
| 4.3.1 K2算法简介 | 第35-36页 |
| 4.3.2 性能分析 | 第36-40页 |
| 4.4 数控机床实例分析 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于M-B规则的系统可靠性模型构建方法 | 第44-60页 |
| 5.1 本章概述 | 第44页 |
| 5.2 MDL法的特点 | 第44-45页 |
| 5.3 BIC法的特点 | 第45页 |
| 5.4 结构学习的M-B方法 | 第45-51页 |
| 5.4.1 节点对儿父子关系的BIC推断 | 第47页 |
| 5.4.2 运用改进的爬山法（IHC）引导学习进程 | 第47-51页 |
| 5.5 M-B法性能分析 | 第51-56页 |
| 5.5.1 结构学习实例分析 | 第51-53页 |
| 5.5.2 M-B法的精度与速度分析 | 第53-56页 |
| 5.6 动力运输车实例分析 | 第56-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第6章 总结和展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 附录A | 第67-72页 |
| 攻读硕士学位期间的研究成果 | 第72-73页 |
| 致谢 | 第73页 |