本文的工作是将贝叶斯网扩充为带区间参数的贝叶斯网，具体工作分为以下几部分： (1)将区间概率引入概率表，使得贝叶斯网对模糊事件和值不确定事件的处理能力更强，扩展了普通贝叶斯网的表达能力。 (2)对区间概率计算规则进行改进。区间条件概率的计算规则主要有直观概念和规范概念。直观概念计算规则符合对区间概率的直观理解，所得条件概率区间符合经典概率，但概率区间较宽，计算困难。规范概念实际上是对直观概念计算结果的一种压缩，计算方便，适合在贝叶斯网中推理，但会产生0≤U(A<,i>|B<,j>)≤L(A<,i>|B<,j>)≤1的情况，不符合区间概率的定义。我们在规范概念的基础上修改条件概率的定义。经验证，该定义的计算规则符合贝叶斯网的条件独立规则，证明了该计算规则满足区间概率的定义且计算较为简单。 (3)带区间参数的贝叶斯网的近似推理。用拒绝采样法、似然加权采样算法、马尔可夫链蒙特卡罗(Gibbs采样器)算法对带区间参数的贝叶斯网进行近似推理。实验证明这三种算法都有较好的收敛性。