信息融合是把多个渠道、多方位采集的不完整信息加以综合,消除多源信息间可能存在的冗余和矛盾的信息,并对其加以互补,降低其不确定性,以形成对系统环境相对完整的一致性描述的过程。信息融合可以提高智能系统的决策、规划、反应的快速性和正确性,降低决策风险,是一个涉及到信息科学、计算机科学和自动化科学的交叉学科,是目前信息社会所必须研究的一个重要方向。多源信息融合技术的产生提高了智能系统决策的准确性,降低了决策风险。本文从研究智能信息融合的理论和方法出发,对信息融合算法本身进行了研究,并取得了一些有理论和实际应用价值的成果:(1)利用模糊积分进行模式识别时,利用主成分法确定了各特征指标的模糊测度,这种确定方法有其理论依据,科学性较强,在实际中也相当有用,解决了特征输入—决策输出的信息融合问题。(2)利用粗糙集理论融合多源信息时,主要是用它获取知识规则,形成既快又简洁的融合算法,且在知识简化表中若出现条件属性集等价的几种形式,则可按照条件属性的重要程度和概率最优的原则进行取舍,使其消去更多的冗余规则,得到最少数目的简化规则,解决了数据超载和不完整的信息融合问题。(3)在用动态聚类确定经济运行模式时,根据问题的背景,指出聚类的凝聚点应按综合值的大小选取,只有这样做,建立的经济预警系统才能避免传统的经济预警系统按经济波动周期的四个不同阶段(即波峰、波谷、扩长期,收缩期)分别聚类,引起不该报警时报警的现象发生。多组判别分析综合了所有特征指标的信息为每一类模式建立了一个边界识别函数。本文所研究的信息融合算法的应用成果如下:(1)为高速公路上汽车智能型辅助驾驶系统建立了一个信息融合系统,为避免交通事故的发生和提高道路的通行能力奠定了基础。(2)为智能化的绿色蔬菜栽培建立了一个病虫害预警系统,这对丰产丰收,稳定市场及栽种知识的传播有重大的意义。(3)为经济发展建立了一个宏观经济预警系统,对经济的发展起到实时监控的作用。