知识融合是知识科学和信息融合的一个交叉学科,它通过对分布式数据源和知识源进行组织和管理,结合应用需求对知识元素进行转化、集成和融合等处理,从而获取有价值或可用的新知识,同时对知识对象的结构和内涵进行优化,提供基于知识的服务。知识融合的研究对分布式知识库环境中的知识共享、知识系统的交互、集成和协同工作、知识服务质量的优化等方面有一定的价值;特别对研究基于知识内涵的知识发现以及新知识的创建、组织、评价和优化等方面具有相当重要的意义。论文主要研究知识融合中的几个关键问题,针对目前知识融合领域中较为分散的研究进行了系统化的研究分析,明确了其中相对比较重要的基本模块,并在知识对象规范化描述、知识融合算法、融合结果的优化组织存储结构以及知识融合的反馈与自适应机制等几个方面进行了分析,针对性地提出了一些新的思路和较为可行的实现方法。目前对于知识融合的研究内容相对比较分散,且在诸如知识融合的基本框架结构、逻辑概念模型等方面都尚未形成完全统一的标准,本文通过对这种研究现状的分析,结合本体论思想和元知识方法,尝试性地建立了知识融合的框架结构和逻辑模型,对知识融合应该具有的最小功能进行了形式化定义,明确了知识融合研究过程中需要解决的一些基本问题。本文研究工作的创新性从以下三方面内容体现:(1)知识融合算法是在知识融合研究的核心内容,但通用性和效率都较为理想的融合算法相对较少,针对这一问题,本文结合知识融合研究中较为常用的遗传算法基本思想,给出了遗传融合算法Knowledge Fusion Algorithm-G(记做KFA-G,本文一下出现的KFA记号均代表该含义);结合知识对象融合规则给出了融合算法KFA-R;分别按照不同的侧重点将两种算法协同处理得到两种改进型融合算法KFA-GR和KFA-RG;针对知识融合的问题求解需求驱动模式给出了融合算法KFA-SO。对以上算法的理论基础和基本思路都给出了较为详细的描述,并结合仿真试验对算法的可行性和效率进行了分析。(2)在所给出的知识融合基本框架和核心算法基础上,结合知识空间理论方面的相关研究,提出了解知识空间的概念模型,分析了解知识空间在知识融合系统中的作用和意义,对解知识空间中知识节点状态和局部模式的动态演化过程进行了归纳,并分析了解知识空间中的知识聚类方法,提出了适用于知识融合所对应的空间搜索改进策略。