复杂产品在现代社会所扮演的角色越来越重要,甚至对国家的发展起着举足轻重的作用。但是复杂产品结构复杂、技术含量高,其研发成功率低,研发过程中面临各种重大风险,因此对其研发过程中的风险进行研究就显得极为重要。而技术风险作为研发过程中最主要,也是最重要的风险之一,对其的专门研究就更显迫切。为了对复杂产品研发过程中的技术风险进行有效的识别与精确的评估,本文在原有的研究成果基础之上,做了一些有益的改进。对于技术风险的识别问题,识别的基本思想是深入产品的部件级、功能模块级来寻找技术风险与技术风险因子。整个识别过程采用三阶段的方法,首先以产品分解结构(PBS)与工作分解结构(WBS)为辅助识别工具,利用核对表的方法找出导致功能模块内发生技术风险的各风险因素;然后利用解析结构模型(ISM)来建立各风险因素之间的相互关系;最后将其转化为贝叶斯网络模型,为进一步量化地研究技术风险发生的概率以及产生的后果做好准备工作。此识别技术能够提高识别的效率与准确性。对于技术风险的评估问题,为提高复杂产品研发技术风险估算的精确度,研究缺值小样本数据情况下贝叶斯网络参数学习的新方法,具体运用机器学习的思想,即神经网络与支持向量机的方法修复缺失数据,并将传统EM算法与机器学习方法的修复精度进行对比,得出支持向量机的方法具有更加优良的修复精度。通过研究,针对复杂产品的研发技术风险评估,可以建立更加精确的贝叶斯网络模型,进而比较准确的估算复杂产品研发项目功能模块内技术风险发生的概率,为复杂产品研发项目的风险管理提供决策依据。