本文将混合专家网络应用于这个领域，利用其特点分别在模型组合和模型选择领域进行了一些探索性的研究。主要工作如下： 1．介绍混合专家网络的思想，描述其特点。并针对软件失效数据的实际情况，利用期望极大化算法，给出了混合专家网络用于软件失效数据的训练方法。 2．将混合专家网络用于模型组合。将传统的软件可靠性模型作为处于混合专家网络叶子节点的“专家”模型，充分利用了混合专家网络软划分的特点，把输入空间在概率意义上进行了有效的划分，将合适的子空间赋予对应的专家模型，综合各个专家模型的输出从而得到一个较好的结果。与传统的线性组合相比，这种组合更加灵活，也能适应更复杂的情况。同时，这种软决策树以计算的方式尽可能多的保留了专家模型的特征，保留在最终输出结果中。实验结果表明该网络的最终输出不依赖任何一个专家模型，通过训练，最合适的专家模型能在结果中起到主导作用，其他模型能有一定的补充作用，融合这些结果最后能得到一个较好的输出。 3．首次将混合专家网络应用于模型选择。针对实践项目中常见的时间-失效数形式的数据，给出了混合专家网络选择模型的算法。针对混合专家网络的特点，通过分析，说明了这种方法能够符合实践中常用的拟合度、稳定性等标准，从而选出合适的模型。为了验证这种方法，使用了多个实际项目中收集来的数据进行实验，结果表明此方法具有一定的有效性和适应性，能够作为一种较好的模型自动选择方法。 4．在上述过程中，描述混合专家网络用于软件可靠性模型方面的特点同时，对比传统经验方法，说明了其需要使用者背景知识少、便于在实践中推广应用。