贝叶斯网络是贝叶斯方法与图形理论的有机结合。由于理论上的严格性和一致性,以及有效的局部计算机制和直观的图形化知识表达,贝叶斯网络已经成为人工智能领域的研究热点。本文将贝叶斯网络应用于农业科学领域,对某农场的牛奶产量进行学习与预测,完成了用贝叶斯网络方法进行数据挖掘的整个流程,并将获得的结果与多元线性回归方法得到的结果进行了比较。本文的主要工作和创新之处如下:(1)简要介绍了数据挖掘的概念和相关技术,阐述了贝叶斯网络的基本原理和方法。(2)在数据预处理阶段,采用了作者于2007年3月提出的Chi2变形算法。该算法在保持数据忠实性的同时,将各预测变量的取值离散化,以便于贝叶斯网络方法的应用。(3)在网络结构搜索阶段,采用了带启发规则和随机重启机制的贪心算法。此方法充分利用了领域知识,再结合变量本身的含义制定了五条启发规则,大大减小了搜索空间。带随机重启机制的贪心算法,既保留了贪心算法的简洁特性又克服了其可能陷入局部最优的缺点,获得了可与众多智能搜索算法相媲美的结果。(4)在贝叶斯网络推理获得离散值结果后,为了提高预测的精度,进一步考虑了如何将离散取值还原为连续值得问题,而不是简单的采用相应区间上的中位数。另外,在将两种方法的结果进行比较时,先把原始数据排序得到新的显示序列,避免了散点图的杂乱,使得贝叶斯网络结果的优越性更加显而易见。