教育资源不足仍然是我国现阶段高等教育发展面临的重要挑战,如何使有限的投入资源发挥最大作用得到更大产出是各高校面临的重要问题。高校的投入产出研究有助于反映各高校各项资源的利用情况及存在的问题,从而指引其改善自身资源管理,提高教育质量。高校投入产出数据指标存在广泛的不确定性,贝叶斯网络是解决不确定性知识推理问题的有力工具。将贝叶斯网应用于高校投入产出预测研究,出现了下面的问题::1、高校投入产出预测研究涉及变量数目很多,而贝叶斯网络的多变量网络学习是一个NP-Hard问题;2、高校投入产出预测研究中涉及的变量既有离散型随机变量,又有连续型随机变量,而传统贝叶斯网络处理含有连续型随机变量网络学习问题时常常先将变量进行离散化,导致边缘锐化问题。针对这两个问题,本文提出混合贝叶斯网约简组合算法用于高校投入产出预测研究网络的学习。主要研究内容如下:(1)针对边缘锐化问题,将变量进行了模糊化处理。对于既含有实随机变量,又含有混合模糊随机性变量的混合贝叶斯网络的学习推理,给出其结构学习、参数学习及网络推理方法;(2)针对多变量网络构建困难问题,运用贝叶斯网约简组合算法解决。对现有约简组合算法进行改进,通过实验分析证明了改进后算法在网络学习、网络评分、模型训练时间及推理正确率等方面均优于原算法;(3)分别用改进后贝叶斯网约简组合算法和改进后混合贝叶斯网约简组合算法构建高校投入产出预测推理网络,比较两模型的推理正确率,发现混合贝叶斯网约简组合算法更适合于处理高校投入产出预测推理问题。