贝叶斯信念网络（Bayesian belief network；BBN），工学-控制科学与工程-系统辨识、建模与自适应控制-信息融合-信息融合理论基础-不确定推理-贝叶斯置信网络，用有向无环图描述随机变量及其条件依赖关系的概率图模型的不确定性推理方法。贝叶斯信念网络不仅对大规模变量的联合概率分布提供了一种自然的紧凑的表示方式，而且也对有效的概率推断提供了一个牢固的基础。虽然对于一类特殊的贝叶斯信念网络如树状网络或单连接网络存在多项式时间的推断算法，但对一般的网络却是一个难题。贝叶斯信念网络模拟人的认知思维推理模式，是用一组条件概率函数以有向无环图（directed acyclic graph，DAG）形式表示不确定性的因果推理模型，采用网络结构表达变量的联合概率分布及其条件独立性。一个简单的贝叶斯信念网络示例见图，图中略去了条件概率值。贝叶斯置信网络示例一般用符号表示一个贝叶斯信念网络，其信息由两部分组成。①网络结构。是一个具有有限个节点的有向无环图，中的每一个节点表示特定域中的一个概念或变量，节点变量可以是任何问题的抽象，如测试值和观测现象等。