贝叶斯网络是用来表示变量之间连接概率的图形模式,提供了一种自然的表示因果关系的方法,具备概率推理能力强、语义清晰、易于理解等特点,是目前不确定知识表示和推理领域中最有效的理论模型之一,也是近年来数据挖掘领域中的研究热点之一。本文在全面地介绍了数据挖掘的历史、贝叶斯网络的发展过程和研究现状、贝叶斯网络分类器、贝叶斯网络的应用基础上,进行了连续变量的贝叶斯网络结构学习,贝叶斯网络分类的研究,数据挖掘结果可视化的研究,贝叶斯网络应用的研究。研究的具体内容包括:(1)通过对连续随机变量之间预测能力及其计算方法的讨论,提出了基于预测能力的连续贝叶斯网络结构学习方法;(2)将遗传算法的思想引入贝叶斯网络分类器的构建,提出了一种基于遗传算法的受限制贝叶斯网络分类器算法;(3)为了限制了贝叶斯网络结构的复杂度,提出了一种多模块集成式贝叶斯网络分类器;(4)贝叶斯分类器在医学图像分析系统中的具体应用;(5)用来处理尿沉渣检查图像中微粒的识别,结果表明这一方法用来解决图像分类是有效的;(6)数据挖掘的可视化处理,实现了用于观察数据的数据可视化,用于控制挖掘过程的过程可视化,以及用于显示挖掘结果的结果可视化。