多分类器融合是解决复杂模式识别问题的有效办法。模糊积分是一种融合工具,用以提高多分类器融合系统的分类精确率和改善系统的稳健性。在基于模糊积分的多分类器融合系统中,模糊测度对融合系统的性能有很大的影响。若模糊测度定义得比较合适,可以明显地提高分类精确率;反之,定义得不恰当,可能使得融合系统的分类精确率不如单个分类器的分类精确率。基于这样的考虑,本文从三个方面对模糊积分在多分类器融合中的应用方法进行了研究:模糊测度的确定方法、分类正确率和可应用性,并分别对粒子群算法和捕食与被捕食算法在模糊测度的优化方面进行了详细的讨论。首先,本文针对常用的分类器进行了介绍和分析,指出了它们各自在分类方面的优点和劣势,由此引出了多分类器融合的概念,并对常见的分类器融合方法进行了介绍;然后,对基于模糊积分的多分类器融合模型进行了研究,并对常用的模糊测度确定方法进行了重点研究,从中发现了其各自的局限性;最后,本文针对上述单分类器、经典多分类器融合方法所存在的问题,分别提出了基于粒子群算法和捕食与被捕食算法的模糊测度求解方法,数值实验证明了该方法具有一定的可行性,并在一定程度上提高了分类精度和分类效率,很好地避免了局部最优模糊测度问题。