D-S证据理论因其具有较强的表达和处理不确定性信息的能力,在信息融合系统的理论研究和工程实践上扮演着日益重要的角色。然而,经典的证据理论假设证据之间相互独立,这在实际系统中往往难以成立。忽略证据间的关联关系,可能导致融合结果不合理,甚至出现决策失误,严重限制了D-S证据理论的实际应用和发展。本文重点针对关联关系建模、关联程度度量、关联证据融合及其应用展开研究,建立起一套较为系统的关联证据融合策略,并探索证据关联与证据冲突的关系,主要的研究成果和创新点如下:首次提出了基于条件信度的广义Dempster组合规则,能有效地处理具有“If-then”关联规则关系的证据融合问题。借鉴概率论中的条件概率的思想,针对Dempster组合规则的融合实质,在统一的辨识框架下首次定义了针对同一对象不同信息源之间的条件基本信度指派函数、联合基本信度指派函数等的表达式。在此基础上,提出一种新的广义Dempster组合规则,并给出其适用范围及使用步骤。研究算例表明:与传统的Dempster组合规则以及基于线索理论的组合规则相比,该方法能够更好地表达信息源的不确定性、实现点到分布的映射,能有效地融合具有“If-then”关联规则关系的证据。提出一种新的基于“相关源证据模型”的融合方法,首次将相关源证据在更新过程中的重要性程度纳入考虑范畴,扩展了经典的“相关源证据模型”,进一步推广其适用范围。首先分析了现有相关源证据模型的不足,并在此基础上,提出新的融合方法:计算各独立部分的相对重要性程度,并求出相关源证据对应于不同关联证据的折扣基本信度指派(BBA),而后通过“去合成”算法反推独立部分的折扣BBA,进而得到其实际的BBA,最后对各部分BBA进行加权融合。算例表明:新方法综合考虑了各部分证据的相对重要性程度,提高了融合的准确性。分析关联产生的原因机理,创新性地将关联情况分为内部关联和外部关联,并综合考虑证据的重要性及可靠性,系统地提出了基于折扣修正模型的关联证据融合基本框架,用以处理复杂不确定性条件下关联证据的融合。根据不同的应用情形,分别从统计学角度及专家综合评估角度进行研究。首先,针对具有一定量数据样本情况下的关联关系进行研究,提出一种基于统计参数的折扣修正模型,并将其应用于鸢尾花的分类识别问题,实验结果表明:该方法有利于提高信息融合系统的正确性和鲁棒性。其次,针对数据缺乏或数据类型为定性数据情况下的复杂不确定性关联关系展开研究,首次将决策科学的网络分析法(ANP)引入到关联证据融合的研究中,并提出一种新的加权自由度关联分析方法,建立起综合考虑内、外两种关联情形的基于专家综合评估法的折扣修正模型。该模型在交通运输方案选择中的应用算例表明了方法的可行性。此外,对加权自由度关联分析法在不确定性条件下进行推广,并将其成功的应用于工程人因失效的评估中。对证据关联与证据冲突之间的关系进行探索,创新性地从关联的角度出发研究冲突证据的融合问题。首先分析了证据关联与证据冲突之间四种可能的对应关系,并根据不同的应用情形,从关联的角度出发探索冲突的成因。而后,针对开放式群决策环境下的证据冲突进行分析,提出一种新的基于高斯关联模型的冲突证据融合方法。该方法定义了三种关联情形及其对应的高斯分布参数,并基于此对专家评估意见的BBA进行重构,重构后的BBA采用Dempster组合规则进行融合。将所提出的方法应用于故障模式风险评估及排序问题,通过数值算例及应用实例的对比分析,验证新方法的有效性。