1、隨著數(shù)據(jù)融合技術的快速發(fā)展，不確定性信息的處理成為一個引人注目的研究熱點。證據(jù)推理理論作為一種有效處理不確定性信息的推理方法，在數(shù)據(jù)融合中得到了廣泛應用。本文對證據(jù)推理進行深入研究，并將證據(jù)推理和神經(jīng)網(wǎng)絡技術相結合以解決目標識別問題。
　　本文的主要內容及研究成果如下:
　　(1)介紹了多傳感器數(shù)據(jù)融合的基本原理，融合過程，結構模型，著重討論了多傳感器數(shù)據(jù)融合屬性級融合的三種結構，對多傳感器數(shù)據(jù)融合的方法進行歸納總結。

2、>　　(2)介紹了證據(jù)推理的基本理論及最新進展，提出了證據(jù)推理在應用中存在的問題。針對證據(jù)推理無法解決證據(jù)嚴重沖突的情況，許多學者提出了各種改進方法，本文對典型算法（如Yager的方法等）進行歸類分析。該分類方法可以有效的區(qū)分出證據(jù)組合方法的一些基本共性和區(qū)別，為進一步研究證據(jù)推理提供了依據(jù)和方向。
　　(3)探討了神經(jīng)網(wǎng)絡和數(shù)據(jù)融合技術相結合的可行性，給出了基于神經(jīng)網(wǎng)絡的數(shù)據(jù)融合過程，著重介紹了BP算法。
　　(4)采用最

3、近鄰法對使用修正前的不變矩與修正后的不變矩的目標識別進行了仿真分析。
　　(5)針對多傳感器數(shù)據(jù)融合中基本概率賦值難以獲取的問題，提出了構造基本置信指派函數(shù)的兩種方法，比較結果顯示利用神經(jīng)網(wǎng)絡技術獲取基本概率賦值的方法，克服了現(xiàn)有的依賴專家經(jīng)驗獲取基本概率賦值主觀性強的缺點，研究了證據(jù)推理組合來自同一目標的多幅圖像以提高置信度的方法，并比較了組合規(guī)則不同情況下的識別效果，仿真結果證明了該方法的可行性。
　　本文所做的工作，對