中文摘要：

现有的信息融合技术面临下列问题首先，大多数信息融合技术中模型是结构(参数)固定的，难以自适应和调整；其次，人的经验和信息源的特征在信息融合技术的地位和对融合过程的影响. 再次，目前各种信息融合技术各自的适用范围很窄缺乏一般性. 本项目以特殊的模糊积分模型作为基础，研究一般的自适应信息融合技术,利用递增式的学习和其它在线方法实现模型的结构(参数)调整和自适应，并使使用者和信息源的特征与模型的有机结

结论摘要：

现有的信息融合技术面临下列问题首先，大多数信息融合技术中模型是结构(参数)固定的，难以自适应和调整；其次，人的经验和信息源的特征如何有机地与信息融合技术相结合,并在信息融合过程中起作用. 本项目首先以模糊积分作为基础，提出一个新的信息融合模型,该模型区分每个特征(或信息源)在数据融合中的固有效应和相互作用度(范围)，从而把使用者经验和信息源特征有机结合，极大地提高了信息融合技术的一般性和智能化设计水平. 其次，研究了基于模糊积分的自适应信息融合技术,利用新的学习算法实现该技术中的结构(参数)调整和自适应；再次， 研究了模糊积分和证据理论的本质关系，从而为同类和不同类信息源的融合技术的相互使用打下坚实的基础；特别地，上述成果已经在包括案例推理技术在内的应用中取得重要进展.