TAN算法是一种针对复杂数据且在实际中具有极强的学习能力的有效算法，它已被广泛应用于数据挖掘、机器学习和模式识别领域。由于现实世界中的数据大多是不完全数据，研究了怎样使TAN有效地从不完全数据中学习。首先，用一种有效的方法直接从不完全数据中估计条件互信息，然后应用估计条件互信息法去扩展基本的TAN算法来处理不相关数据，最后实验比较了扩展的TAN算法和基本的TAN算法。实验结果表明，在大多数不完全数据集合上扩展的TAN算法精确性明显高于基本的TAN算法。虽然扩展的TAN算法时间复杂度高于基本的TAN算法，但在可接受范围之内。此估计条件互信息的方法能够容易地和其它技术相结合来进一步提高TAN算法的