D-S证据理论作为一种不确定性推理方法,由于其具有推理机制简便、灵活等特点,在人工智能、检测诊断和信息融合等众多领域有着广泛的应用。但是在利用证据合成公式进行证据融合时,如果证据间存在着较大的冲突或不一致,则融合结果容易出现反直觉,甚至是错误的现象,这也成为了证据理论在实际应用中遇到的主要问题。基于此,本文对证据推理方法进行了研究,并给出了一种新的证据融合方法。本文首先针对证据理论中Dempster合成规则不能处理高度冲突证据的问题,从内、外证据不确定性的角度,深入分析了证据间冲突产生的原因,即证据的冲突不仅仅根源于不同证据之间的矛盾,也与证据自身的不确定性密切相关。然后提出了一种同时考虑证据自冲突和外部冲突的相似性测度,接着,利用新的相似性测度计算证据的可信度,并对证据源进行修正；与此同时,根据初始证据间的聚类特性,利用ISODATA聚类方法对证据源进行聚类,然后利用Dempster合成规则融合每一聚类中的所有证据为证据代表,并综合可信度和证据在该聚类的频数计算聚类的可靠度。最后,利用统一组合规则对证据代表进行融合。通过大量的算例,把本文方法同其他方法进行了深入比较,优势比较明显,验证了新方法的可靠性,有效地解决了冲突证据合成出现的问题。