研究室内环境舒适度对创建一个舒适、安静、清洁的室内环境具有重要意义。但由于室内环境信息异构多源、信息的不确定性，以及室内环境舒适度与人的主观感受息息相关，使得室内环境舒适度的评价具有挑战性。本文以嵌入了计算、信息设备和多模态传感器的室内环境作为监测对象，以情境融合为手段，研究室内环境舒适度评价方法。本文开展工作如下：（1）针对由于传感器精度低和环境干扰等因素，使得传感器采集的信息具有不确定性的问题，提出了基于分布图去噪和加权平均的底层情境融合方法，首先采用分布图法过滤原始数据中的异常值，然后采用加权平均法估计被测参数。仿真实验表明，该方法精度较高、计算简单。（2）针对室内环境包含参数较多、信息异构多源，且室内环境舒适度与人的主观感受息息相关等问题，提出了基于支持向量机的室内环境舒适度评价方法，以室内温度、相对湿度、CO2浓度、光照强度、噪声为输入变量，室内环境舒适度为输出变量，首先用模糊综合评价法制作评价室内环境舒适度的数据集，然后用训练集训练支持向量机，最后用支持向量机舒适度模型评价测试集的舒适度。仿真实验表明，该方法提高了测试集的评价正确率。（3）在实际应用中，支持向量机的性能依赖支持向量机参数的选择，研究了支持向量机参数优化方法，提出了基于均匀设计的支持向量机参数优化方法，将支持向量机参数选择问题转化为均匀设计问题。仿真实验表明，该方法具有寻参时间短的特点。