| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题背景和研究意义 | 第8-9页 |
| ·本领域国内外研究现状综述 | 第9-12页 |
| ·本文的创新点及各章节介绍 | 第12-14页 |
| ·本文的创新点 | 第12-13页 |
| ·各章节介绍 | 第13-14页 |
| 第二章 基于贝叶斯网络的缺失数据系统故障诊断 | 第14-24页 |
| ·静态贝叶斯网络 | 第14-16页 |
| ·贝叶斯网络与贝叶斯网络分类器 | 第14-15页 |
| ·结构学习和参数学习 | 第15-16页 |
| ·缺失数据统计分析 | 第16-18页 |
| ·数据缺失机制 | 第16页 |
| ·传统的缺失数据统计分析方法 | 第16-17页 |
| ·EM 方法 | 第17-18页 |
| ·基于类互信息的特征选择 | 第18-19页 |
| ·故障诊断模型的学习和测试 | 第19-20页 |
| ·基于 TE Benchmark 的仿真研究 | 第20-22页 |
| ·TE Benchmark 简介 | 第20-21页 |
| ·仿真研究 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于高斯混合输出贝叶斯网络的故障诊断 | 第24-34页 |
| ·高斯混合输出贝叶斯网络 | 第24-25页 |
| ·高斯混合输出模型 | 第24页 |
| ·高斯混合输出贝叶斯网络 | 第24-25页 |
| ·缺失数据处理方法 | 第25-26页 |
| ·特征选择与可靠性分析 | 第26-29页 |
| ·特征选择准则 | 第26-27页 |
| ·特征选择过程与可靠性分析 | 第27-29页 |
| ·整个 FDD 模型的构造 | 第29-30页 |
| ·仿真与结果分析 | 第30-33页 |
| ·故障检测 | 第30-32页 |
| ·故障诊断 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于动态贝叶斯网络的缺失数据系统故障诊断 | 第34-48页 |
| ·DBN 模型及缺失数据处理 | 第34-37页 |
| ·一阶高斯混合输出 DBN 及其参数配置 | 第34-35页 |
| ·基于 EM 的 DBN 参数学习 | 第35-36页 |
| ·缺失数据下 DBN 的推理 | 第36-37页 |
| ·基于 DBN 的系统故障诊断 | 第37-39页 |
| ·仿真 | 第39-47页 |
| ·CSTR 模型 | 第39-40页 |
| ·基于 DBN 的 CSTR 故障诊断 | 第40-43页 |
| ·基于 DBN 的 TEP 故障诊断 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于高斯混合输出贝叶斯网络的在线学习及故障检测 | 第48-56页 |
| ·非平稳贝叶斯网络在线学习方法 | 第48-49页 |
| ·GMOBN 模型在线学习方法 | 第49-51页 |
| ·基于 EM 的 MAP 参数估计 | 第49页 |
| ·模型在线参数估计 | 第49-50页 |
| ·在线缺失数据处理 | 第50-51页 |
| ·基于在线 GMOBN 模型的故障检测 | 第51-52页 |
| ·仿真 | 第52-55页 |
| ·人工模拟数据仿真 | 第52-54页 |
| ·CSTR 仿真 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·全文内容总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第63页 |