در این پایان نامه، یک الگوریتم بیزین تغییراتی توزیع شده مبتنی بر فیلتر consensus (cfbdvb) برای تخمین چگالی و دسته بندی داده های به دست آمده از یک شبکه سنسوری ارائه می گردد. فرض می شود که مقادیر اندازه گیری شده با استفاده از مدل های ترکیب گوسی مدل سازی شده اند. در این الگوریتم، ابتدا هر گره چکیده آماری محلی را تنها با استفاده از مشاهدات محلی خود محاسبه می کند. سپس یک فیلتر consensus ، چکیده آماری محلی را در گره های همسایه منتشر می کند و پارامترهای چکیده سراسری در هر گره محاسبه می شود. در نهایت هر گره با استفاده از پارامترهای چکیده سراسری، پارامترهای مدل ترکیب گوسی را به روز رسانی می کند که می تواند انرژی آزاد تغییراتی را به همان روش الگوریتم بیزین تغییراتی استاندارد ماکزیمم کند. نشان می دهیم که الگوریتم cfbdvb پیشنهادی یک تقریب تصادفی به الگوریتم بیزین تغییراتی استاندارد است. مقیاس پذیری و تحمل پذیری در برابر خطا دو مزیت مهم این الگوریتم می باشد. در ادامه این الگوریتم به نحوی اصلاح می شود که علاوه بر پارامترهای مدل ترکیبی، مرتبه ی آن نیز بطور همزمان تخمین زده می شود. عملکرد خوب این الگوریتم با استفاده از داده های شبیه سازی شده و همچنین داده های واقعی نشان داده خواهد شد.