随着社会发展的需要，知识推理中不仅存在随机问题，而且存在模糊问题，甚至存在模糊的随机问题，传统的贝叶斯网络的应用已呈现局限性。与传统的贝叶斯网络相比，由于模糊贝叶斯网络合理地处理了学习和推理过程中模糊与随机的不精确信息，具有更强的逻辑推理能力及稳健性，使得知识表示的方式更为自然，更易于理解，并为决策者提供丰富的决策信息。　　 本文对贝叶斯网络和模糊理论进行研究和分析，在此基础上将两者结合到一起，建立了模糊贝叶斯网络的模型。通过引入隶属度的贝叶斯定理，建立了适合于模糊随机问题的知识推理模型，并在理论上分析了模糊贝叶斯网络的正确性，论述了在一定条件下模糊贝叶斯网络的结构学习、参数学习及推理步骤。　　 在模糊贝叶斯网络理论分析的基础上，本文以广州市某区企业电子商务综合评价项目为应用背景，在已建立的评价体系基础上，从信息流、资金流、物流等五大方面出发，考察了客户资源状况、物流系统完善程度、电子商务支付体系等11个方面影响的电子商务发展水平。根据模糊贝叶斯网络的理论模型，定义了模糊朴素贝叶斯分类器和模糊TAN分类器，将模糊朴素贝叶斯分类器和模糊TAN分类器应用于多因素影响下电子商务发展水平的模糊推理中，得到了分类准确率是89．47％。比较了两种分类器与传统朴素贝叶斯分类器、传统TAN分类器的分类结果，证明了模糊贝叶斯网络在一定条件下解决模糊随机的知识推理问题具有更广泛的应用性。