| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 复杂网络研究现状 | 第12-13页 |
| 1.2.2 失效模式及影响分析技术研究现状 | 第13-15页 |
| 1.3 本文的研究方法和内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关理论与技术基础 | 第17-25页 |
| 2.1 复杂网络基本静态几何特征 | 第17-19页 |
| 2.1.1 网络的图表示 | 第17页 |
| 2.1.2 网络直径与平均距离 | 第17-18页 |
| 2.1.3 集聚系数 | 第18-19页 |
| 2.1.4 真实网络统计性质实例 | 第19页 |
| 2.2 复杂网络节点中心性理论 | 第19-22页 |
| 2.2.1 度中心性 | 第20页 |
| 2.2.2 介数中心性 | 第20页 |
| 2.2.3 接近中心性 | 第20-21页 |
| 2.2.4 特征向量中心性 | 第21页 |
| 2.2.5 流介数中心性 | 第21-22页 |
| 2.3 失效模式及影响分析理论 | 第22-25页 |
| 第三章 基于有效距离的接近中心性研究 | 第25-37页 |
| 3.1 有效距离理论 | 第25-26页 |
| 3.2 基于有效距离的接近中心性 | 第26-28页 |
| 3.2.1 算例 | 第27-28页 |
| 3.3 数值实验与分析 | 第28-33页 |
| 3.3.1 实验数据 | 第28-29页 |
| 3.3.2 Susceptible-Infected疾病传播模型 | 第29页 |
| 3.3.3 实验与分析 | 第29-33页 |
| 3.4 本章小结 | 第33-37页 |
| 第四章 基于TOPSIS模型的节点重要度识别算法研究 | 第37-49页 |
| 4.1 TOPSIS算法 | 第37-38页 |
| 4.2 基于TOPSIS模型的节点重要度识别算法 | 第38-43页 |
| 4.2.1 传统中心性问题描述 | 第38-39页 |
| 4.2.2 TOPSIS中心性评估算法 | 第39-40页 |
| 4.2.3 算例 | 第40-43页 |
| 4.3 数值实验与分析 | 第43-46页 |
| 4.4 本章小结 | 第46-49页 |
| 第五章 基于FMEA的节点重要度识别算法研究 | 第49-59页 |
| 5.1 网络节点的失效模式及影响分析模型 | 第49-50页 |
| 5.2 数值实验与分析 | 第50-52页 |
| 5.3 本章小结 | 第52-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59-60页 |
| 6.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-69页 |
| 发表文章目录 | 第69-71页 |
| 简历 | 第71-73页 |
| 致谢 | 第73-74页 |