摘要：研究了貝葉斯網絡分類器的高效參數學習方法。生成方法解決聯合分布的參數估計問題,而判別方法解決后驗分布的參數估計問題。對判別參數學習方法的研究,首先通過建立類條件貝葉斯網絡模型;在此基礎上,對該模型以對數形式參數化,得到判別類條件貝葉斯網絡模型;最后,通過改進粒子群算法對該模型進行最優化求解,得到各節點的概率。將貝葉斯網絡分類器的判別參數學習方法與TAN分類器相結合,可用于對液體火箭發動機的故障診斷與分類中。針對某型號火箭的兩次仿真數據進行故障診斷與分類,與其他方法相比,改進的分類器需要的數據量小,準確率和學習效率更高。