1、現(xiàn)實(shí)世界以及各個(gè)學(xué)科領(lǐng)域存在著大量的不確定現(xiàn)象和問題貝葉斯網(wǎng)絡(luò)是概率論與圖論相結(jié)合的產(chǎn)物，它一方面用圖論的語言描述問題的結(jié)構(gòu)，另一方面按照概率論的原則對(duì)問題的結(jié)構(gòu)加以利用，降低推理的計(jì)算復(fù)雜度為不確定性問題提供了一種自然而直觀的方法，貝葉斯網(wǎng)絡(luò)廣泛的應(yīng)用于農(nóng)業(yè)醫(yī)療金融工業(yè)和國防等各個(gè)領(lǐng)域，產(chǎn)生顯著的社會(huì)效益和經(jīng)濟(jì)效益，對(duì)于貝葉斯網(wǎng)絡(luò)的進(jìn)一步研究具有重要的理論意義和實(shí)用價(jià)值全文主要包括以下內(nèi)容： 首先對(duì)貝葉斯網(wǎng)絡(luò)的概述，介紹和分析

2、了數(shù)據(jù)挖掘的概念和背景與意義，貝葉斯網(wǎng)絡(luò)的發(fā)展與研究現(xiàn)狀總結(jié)和歸納出貝葉斯網(wǎng)絡(luò)與其他方法相比的優(yōu)勢和特點(diǎn)并對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)中的主要問題進(jìn)行了深入地分析其次，融合搜索和打分算法及依賴分析基本思想，將互信息理論用于搜索和打分算法中的搜索階段，提出了ClWK結(jié)構(gòu)學(xué)習(xí)算法該算法利用互信息得到節(jié)點(diǎn)間的最大生成樹，進(jìn)一步鏈模型結(jié)構(gòu)簡化了搜索復(fù)雜度，最后將得到的節(jié)點(diǎn)順序用于K2算法得到貝葉斯網(wǎng)絡(luò)算法時(shí)間復(fù)雜度低，并通過實(shí)驗(yàn)表明該算法具有良好的性能