论文重点构造了一个融合识别模型对舰载传感器输出识别向量进行融合处理。模型建立在改进D-S证据折扣理论的基础上。现有D-S证据折扣理论在融合具有信度的证据时存在如下问题:①融合结果的信度随着参与融合的证据的内容不同而变化;②仅限于证据的线性折扣处理,有时难以适应战场实际情况。论文针对上述两点不足给出了改进算法。在求取证据信度时,根据传感器证据信度与其影响因素的单调关系,构建了一类特殊的模糊神经网络——模糊内插计算网络。这一网络可用于模拟专家经验,求取证据信度,论文给出了网络的学习算法。在融合识别输出部分,提出了基于风险函数的决策规则,在一定条件下可用于辅助决策。最后以海上舰船目标为例使用仿真方法对该模型进行了验证,结果表明,所建模型能有效地融合具有信度的证据,作出适当的决策。本模型对于海上目标识别具有一定的理论指导意义和实践意义。完善模型细节和提高模型融合的层次是本文进一步研究的方向。