近年来，生化恐怖袭击事件日益增多，生化毒物释放后，会感染大量人群，且会对人体造成重大损害。及时监测出生化恐怖袭击事件，在生化恐怖袭击事件发生后，尽早地识别出毒物，有助于最大限度地挽救人民群众的生命，清除污染和控制事态的蔓延。　　 本研究采用贝叶斯网络开展生化恐怖袭击事件中的毒物识别问题的研究，根据患者的中毒症状去推断是否为某种毒物中毒。　　 首先，对用于毒物识别的贝叶斯网络进行结构学习，参数学习和推断的研究。通过大量的文献调研，本研究选择了两种搜索打分结构学习方法，K2算法和贪婪爬山搜索算法，为两种算法寻找最优初始值，以使算法的性能得到最优。同时，使用Bootstrap数据扩展和结合树扩展的朴素贝叶斯网络的Gibbs数据修正，扩展原始病例小数据集，以改进数据集的学习效果。文中针对仅包含确诊病例的小量病例数据集，深入探讨了学习贝叶斯网络结构的较优组合处理方案。　　 然后，文中对在马尔可夫等价类空间的贪婪搜索算法进行分析，针对等价类空间的搜索相对于有向无环图空间而言，克服了由于打分函数等价性而造成的局部最优等状况进行探索。并用确保算法最优性的包含边界条件，分析了若干种贪婪搜索算法，并改进了贪婪等价搜索算法。文中对所提出的利用局部发现算法确定的父子结点集，限制贪婪搜索算法的搜索范围，以改进贪婪搜索算法的时间性能进行研究，并进行对比实验，得出相关的结论。　　 文中最后介绍了生化恐怖应急决策支持系统的总体设计和关键技术，并着重介绍了毒物识别模块的实现。其后总结了本文实验中遇到的一些问题，并对可进一步扩展的研究进行简述。