| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-10页 |
| ·基于模型诊断概述 | 第7-8页 |
| ·模型诊断中的不确定性问题 | 第8-9页 |
| ·本文的主要工作 | 第9-10页 |
| 第2章 基于模型诊断与不确定性推理 | 第10-20页 |
| ·基于模型诊断 | 第10-11页 |
| ·基于模型诊断的基本原理 | 第10页 |
| ·基于模型诊断的研究意义 | 第10-11页 |
| ·基于一致性诊断与溯因诊断 | 第11-12页 |
| ·基于模型诊断的基本概念 | 第12-13页 |
| ·关于模型诊断不确定性的几种研究 | 第13-14页 |
| ·Kohlas et al.基于模型诊断的贝叶斯解释 | 第14-18页 |
| ·关于贝叶斯定理的基本概念 | 第14-16页 |
| ·Kohlas et al.计算后验概率方法的基本思想 | 第16-17页 |
| ·Kohlas et al.计算后验概率的方法 | 第17-18页 |
| ·Kohlas et al.计算后验概率方法的计算复杂性 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第3章 改进的后验概率计算方法 | 第20-28页 |
| ·改进的后验概率计算方法的基本思想 | 第20-21页 |
| ·改进的计算元件后验概率的方法 | 第21-22页 |
| ·改进方法的实验与分析 | 第22-27页 |
| ·改进后算法的完备性与计算复杂性分析 | 第22-23页 |
| ·实例分析 | 第23-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 基于模型诊断的贝叶斯网方法 | 第28-37页 |
| ·引言 | 第28-29页 |
| ·贝叶斯网络 | 第29-31页 |
| ·利用贝叶斯网络对 Kohlas et al.方法的改进 | 第31-36页 |
| ·基于贝叶斯网的概率结构 | 第31-34页 |
| ·改进后方法的实例分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 结论与展望 | 第37-40页 |
| ·结论 | 第37-38页 |
| ·工作展望 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 攻读学位期间录用与发表的论文 | 第44-45页 |
| 致谢 | 第45-46页 |
| 摘要 | 第46-49页 |
| Abstract | 第49-52页 |
