中文摘要：

在信息科学技术领域中，多源信息融合是一个有广泛应用背景及重要理论意义的研究课题。虽然在近二、三十年已获得长足进步，但主要局限于一些传统的数学框架，如决策融合中需要联合概率分布，在估计融合中只考虑点估计融合，特别是不同类信息融合至今仍是极为困难的问题。?随着现代社会在高科技、经济、社会、军事等领域的迅速发展，人们越来越多地面对不确定信息，如集合信息、模糊信息等，这就产生了不确定信息的融合问题。为了适

结论摘要：

随着现代社会在高科技、经济、社会、军事等领域的迅速发展，人们越来越多地面对不确定信息，如集合信息、模糊信息等，这就产生了不确定信息的融合问题。本项目在上轮基金项目研究的初步成果基础上，进一步开展模糊信息的融合，模糊信息与其它不确定信息的融合，区间估计融合容错性的研究。此外，进一步研究传感器数据最优维数压缩问题。这些都是这一领域中重要而又具有挑战性的问题，对学科和社会经济发展极有意义。我们已按计划研究了不确定数据和信息决策和估计融合。在决策/检测融合方面，用随机集的框架和Copula（连接函数）理论获得了不同类传感器信息的最优或次优融合方法及基于一般统计相关性模糊信息的融合，模糊信息与其它不确定信息（如Dempster-Shafer证据推理）的融合方法，我们还获得了区间估计融合容错性的成果。此外，进一步研究传感器数据最优维数压缩问题，完成了最优维数压缩解一般存在性的理论证明，获得了相应的迭代算法。