目标识别中，来自多传感器的数据通常包含诸多不确定性。在D-S证据理论框架下，提出一种基于加权信度熵的传感器冲突数据融合与目标识别方法。首先，将辨识框架（FOD）中包含的不确定信息融入新近提出的Deng熵模型；随后，采用加权Deng熵量化不同传感器数据源中的不确定性；最后，实现传感器冲突数据融合与目标识别决策。数值仿真及不同方法的比较分析结果验证了所提方法的合理性与有效性。

为提高反辐射导弹近炸引信目标识别能力, 提出了一种融合导引头信息与激光近炸引信信息的目标识别方法。在分析导引头与引信信息的一致性与冲突基础上, 应用D-S证据理论综合利用导引头与引信信息判定导弹从目标上方掠过或落于目标前方; 对于导弹掠过目标的情况, 采用Dempster规则融合导引头与激光近炸引信测得的目标信息, 以正确识别出目标雷达。研究结果表明, 基于D-S理论的制导与引信信息融合方法, 可以有效地判别弹目交会情况并以较高的概率识别出目标。

针对视频情感识别中存在运算复杂度高的缺点，提出一种基于时空局部二值模式矩(Temporal-Spatial LocalBinary Pattern Moment，TSLBPM)的双模态情感识别方法。首先对视频进行预处理获得表情和姿态序列；然后对表情和姿态序列分别提取TSLBPM 特征，计算测试序列与已标记的情感训练集特征间的最小欧氏距离，并将其作为独立证据来构造基本概率分配(Basic Probability Assignment，BPA)；最后使用Dempster-Shafer 证据理论联合规则得到情感识别结果。在双模态表情和姿态情感数据库上的实验结果表明，本文提出的时空局部二值模式矩可以快速提取视频图像的时空特征，能有效识别情感状态。与其他方法的对比实验也验证了本文融合方法的优越性。

提出了用联合变换相关器(JTC)来实现证据理论概率分配函数正交和的光学计算，在理论上对于如何用联合变像相关器实现证据理论分配函数正交和作了详细的讨论，并作了相应的仿真测试，结果显示该方法是可行的。与John Caulfield提出的用声光器件矢量外积实现的正交和计算相比，在该结构中由于采用二进制编码的数值计算，因此其计算精度得到了提高，同时对联合变换相关器输入端二进制编码的数值空间位置的适当调整可以直接得到所需要的证据理论正交和矢量，在处理步骤上得到了简化。