粗糙集理论是一种处理不精确、不确定和不完备信息的数据分析方法,以其为理论基础的数据分析与处理技术得到越来越广泛的应用。证据理论是处理不确定性问题的有力工具,它处理的证据来源于专家,作为一种常用的信息融合方法,对解决信息融合中不确定性问题具有显著的优势。本文基于粗糙集与证据理论的关系,着重对信息融合和冲突信息合成处理等方面进行研究。本文阐述了粗糙集理论和证据理论的概念及其性质,分析了粗糙集与证据理论之间的对应关系,利用粗糙集的分类思想和依赖度的概念对复杂决策表进行分解,然后基于属性重要度对分解后的各个子决策表约简优化并对决策属性作进一步的转换,计算证据的基本可信度。根据证据理论合成规则,给出了一种基于粗糙集理论的证据合成方法的思想、步骤和融合过程,从而实现证据的合成以及决策。对于冲突证据信息的融合研究,本文首先阐述了证据冲突的产生及处理办法,详细分析了专家的冲突证据合成方法以及分类比较,针对冲突证据的组合问题,给出了一种基于证据加权的冲突证据组合方法。基于焦元属性之间及证据之间的相互关联性,确定证据的权值,引入平均证据并修改证据模型。该方法能够有效处理高度冲突问题,提高了对不确定问题的处理能力和融合结果的准确性,且避免得到与实际不相符的结论。通过实验仿真,对基于粗糙集理论的证据合成、冲突证据的合成效果和准确性进行实验分析,说明了本文方法能有效提高融合结果的准确性和有效性。