在上下文信息感知系统(Context Aware Systems,CASs)的研究与应用过程中,不可避免地会面临上下文信息的不确定性问题,但是传统不确定性问题的处理方法普遍存在灵活性差、冗余度高和协作程度低的缺点,无法准确的对不确定性信息进行合理有效的处理,并且对于不同类型没有分门别类处理,无法对症下药。因此如何实现对不同类型及不同环境的上下文信息分类处理,以满足用户对于系统普适性和灵活性的要求,是上下文信息不确定性研究的重要方面。另外,对于不确定性处理中最难解决的不一致性问题,传统的不一致性处理算法存在自适应性不高和精度较低的问题,因此改善传统处理算法存在的缺点也是本论文消除算法研究的重中之重。对于以上不确定处理研究过程中出现的问题,从如下两个方面做相应研究:(1)对于不确定性处理存在的问题,研究了一种基于多准则决策的多源处理系统及算法,根据系统运行的状态和信息的种类,实时选用最有效的处理策略,对于不同类型的信息分门别类处理,实现多种处理策略优势的综合。实现了上下文处理中的普适性需求,可以灵活、方便地应用于不同类型及不同环境的不确定性处理中。(2)对于不一致性消除所存在的问题,研究了一种基于集对分析(Set Pair Analysis,SPA)和 QoX(Quality of comprehensive indeXes,QoX)的消除算法,使用QoX质量体系的部分参数衡量数据源采集的信息,提高了信息质量量化的完整性及精确性;另外,算法使用SPA对所求质量参数分别进行层次分析,并采用用户主观权重分配法对集对分析之后的联系度(Connection Degree)进行权重分配,兼顾了质量计算过程中的灵活性及准确性;最后,以可穿戴健康监测系统为背景,经过多种实验,证明了论文算法的有效性。通过以上研究,一方面能够有效解决传统不确定性处理方法普遍存在的灵活性差、冗余度高、协作程度低等问题,实现合理有效的不确定性及不一致性处理;另一方面综合考虑上下文信息相关的各种质量参数以及用户的主观要求,实现对上下文信息高精度的处理;为其实际应用打下了坚实的基础。