贝叶斯网是一种描述随机变量间依赖关系、并能紧凑高效的表示联合概率分布的概率图模型，目前已成为人工智能领域中处理不确定性问题的重要工具。贝叶斯网学习是指通过机器学习的方法从数据中学习到贝叶斯网的结构和参数，近年来已成为贝叶斯网研究中的热点问题。本书介绍了贝叶斯网学习的基本方法，详细阐述了作者在贝叶斯网学习领域的一些最新研究结果及其在信息融合中的应用案例，主要内容包括：基于混沌双种群进化策略的贝叶斯网增量学习方法；基于评分搜索的贝叶斯网结构和参数自适应增量学习方法；基于蜜蜂进化型多种群进化策略的贝叶斯网结构学习方法；基于贝叶斯网的选择性增量式信息融合方法等。本书可作为计算机、自动化等相关专业的科研人员开展科学研究和技术开发的参考，亦可作为高校计算机、自动化等相关专业教师、研究生的教学参考书。