证据推理自1967年提出以来,特别是近二十年来已有很大发展。但在理论和应用方面仍有许多问题有待解决。本文针对证据组合方法的分类,评价准则和应用中存在的问题进行了研究,主要工作如下: 1.综述了当前国内外证据推理理论与应用的进展,在深入分析各种证据组合方法机理的基础上,将证据组合方法分为四类:模型改进法,冲突信息分配的组合规则改进法,全信息分配的组合规则改进法和组合证据改进法。研究表明该分类方法较其他分类方法更加合理方便。 2.为了能够评价证据组合方法处理低冲突证据的能力,在引入主焦元和极化范围概念的基础上,提出了证据组合的极化性评价准则:为了能够评价证据组合方法处理高冲突证据和计算量的问题,提出了抗高冲突性和复杂性评价准则,理论分析和仿真表明这些评价准则能够很好的区分出各种证据组合方法的性能,为进一步构造和应用证据组合方法提供了很好的依据。 3.完善了同一性,聚焦性的评价准则,并结合证据组合的基本性质及本文提出的4种评价准则,提出了证据组合的评价体系,共3大类9条准则,并用于分析评价证据组合方法在各种情况下的有效性。 4.根据提出的评价体系对12种国内外经典证据组合方法用典型算例进行了大量的比较分析,结果表明本文提出的评价体系和典型算例可以从不同方面对证据组合方法进行合理的评价,具有一定的理论意义和应用价值。 5.对证据推理应用中的基本置信指派函数构造和决策方法问题进行了分析和总结,并结合BP神经网络和证据组合方法,将证据推理应用于序列图像的目标识别问题中,仿真结果表明极化性评价准则对证据组合方法的选取有很好的指导意义。