目标分类识别是近年来声纳信号处理理论中非常引人注目的一个课题,声纳的目标分类识别主要是对水面舰船、水下舰艇、鱼雷及其它水下物体进行分类识别。数据挖掘和数据融合是两种分析处理海量数据、提取有用知识的技术,它们功能上的补充性,使它们的综合处理技术可以有效地完成复杂的数据分析工作。本文较为全面地阐述了数据融合、数据挖掘以及目标识别的基本理论,针对水下目标识别的具体问题,对Rough Set方法,决策树分类方法和两者的综合处理应用等方面进行了深入的研究,并对可视化方法在目标识别中的应用前景进行了探讨。 首先,全面阐述了目标识别基本理论及其系统组成,对数据融合与数据挖掘的基本理论进行了全面概括,并讨论了这两种理论在目标识别应用中的作用。 其次,深入讨论了Rough Set理论,详细阐述了从信息表知识表达系统建立,到决策表离散化,决策表属性约简,直至决策规则生成的一系列过程。本文提出可以从两个方面将Rough Set理论应用于水下目标的分类识别：其一是利用粗集有关的约简算法得出最优的决策规则,提高识别率；其二是利用粗集中属性重要性度量的概念指导目标识别的关键步骤特征提取。 第三,对决策树学习进行了研究。对决策树的生成和剪枝过程进行了系统探讨,提出了将Rough Set理论应用于决策树生成过程,并对决策树进行后剪枝,获得简单的决策树,用生成规则对水声信号进行目标识别使识别率得到提高,显示了该方法的实际应用价值。 最后,将以计算机图形学和图象处理技术为基础的可视化技术引入目标识别系统中,分析了可视化技术在数据挖掘和数据融合相集成的目标识别系统中的各个单元中的作用,并采用平行坐标法,星座图,树图和模式图等可视化方法给出实际水声信号的图形展示,可以看出可视化技术在数据挖掘和数据融合综合处理领域的应用前景。