近年来,社会信息化进程不断加快,人类进入了万物互联的时代,如何有效融合不同层次的多源信息成为了当前各国政府部门以及科研机构的关注焦点。信息融合技术作为一个长期活跃的科研科热点早已在军事领域得到了有效应用,目前随着人工智能以及物联网的发展,信息融合在人们的日常生活中也得到了广泛的关注。人们在享受着信息融合技术带来生活便利的同时承担着技术缺陷所带来的风险,比如,医疗决策的误判,情报处理的混乱等等。对于多源信息的处理,主要涉及信息的分析和建模。目前最常用的不确定信息建模方法主要有基于概率论与数理统计的方法、基于Dempster-Shafer证据理论的方法、模糊集理论和粗糙集理论方法。每种方法都有着各自的优缺点,其中Dempster-Shafer证据理论在随机不确定性表示以及主观不确定性的表达方面的优势,以及能够在缺失先验信息情况下进行不确定推理等诸多优良特性受到了科研人员的重视。虽然Dempster-Shafer证据理论有着众多的优点,但在实践应用中还存在一些问题尚待完善。例如:基本信度指派函数的合理生成,证据关联信息的处理以及冲突证据的融合等。其中,如何有效处理冲突证据一直是各国科研人员的研究重点。本文主要对冲突证据融合中的证据的可靠性进行了分析研究并提出了两种应对证据冲突的处理方法。首先将信息熵引入证据的不确定性评估中,用其代替传统方法来评估不同证据的可靠性,并利用改进后的方法进行加权证据融合。然后,提出了一种基于信度区间的证据可靠度评估方法,该方法利用不同证据信度区间的差异作为证据可靠性的评估基准,并使用两种不同的距离度量法进行证据融合。为了验证本文所提出方法的有效性和实用性,我们在相同数据集上对比了多种冲突证据处理方法,验证了新方法的有效性。具体内容如下:(1)提出基于信息熵和模糊偏好的冲突证据融合方法大多数的研究人员在处理冲突证据时使用证据距离来衡量不同证据之间的差异度,然而,基于距离的方法高度依赖于所使用的证据距离的有效性而且增加了计算的复杂度。因此,我们引入了信息熵来评估证据之间的差异,并基于模糊偏好得出不同证据的可靠度,使用所得到的证据可靠度对原证据进行加权平均修正后再进行证据融合,从而能够有效地解决冲突证据融合问题。(2)提出基于信度区间的证据可靠度评估方法距离度量被多数研究人员应用于冲突证据管理中,冲突管理所使用的证据距离的有效性成为此类方法所关注的重点。因此,我们使用基于信度区间的距离度量法来评估证据的可靠度。我们分别使用欧几里德信度区间距离(Euclidean-family Belief Interval-Based Distance)以及切比雪夫信度区间距离(Chebyshev-family Belief Interval-based Distance)作为基准,结合证据不一致性度量法来得出不同证据之间的可靠度。因为不同证据体之间的信度区间距离越大,证据之间的差异性就越大,再通过多数原则(principle of majority)来找寻出多条证据中的异常点(outliers)在证据融合前赋予其较低的可信度。