D-S证据理论作为一种有用的不确定性推理理论,以其对不确定性的表达和合成方面的优势被成功的应用到数据融合、目标识别和智能决策等领域中。但是当D-S证据理论应用到实际工程上时,经常会遇到各种冲突证据,而当证据之间具有比较大的冲突时,D-S证据组合规则可能得出有悖于常理的结论。因此,这一局限性限制了D-S证据理论的广泛应用。另外,由于D-S证据合成规则的计算复杂度随着识别框架基数的增大成指数增长,从而在证据融合时计算量大的问题也制约了证据理论在实际中的应用。因此,优化冲突证据的融合以及信任函数逼近的问题是本文主要研究的内容。首先,论文介绍了证据融合与信任函数逼近的研究背景与意义,简单叙述了证据理论的研究现状,及其基本知识。其次,根据D-S证据合成规则在处理冲突证据时的不足,先讲述了几种已有的证据融合的改进方法,分析其优缺点,给出基于局部冲突分配的一般合成规则。另外,提出一种新的基于局部冲突分配的证据合成方法,通过实例进一步说明了其有效性。然后,论文介绍了信任函数逼近问题的相关定义及定理,并通过分析已有信任函数逼近方法,针对其不足,提出一种基于大焦元分解的信任函数逼近方法。最后,通过可分离mass函数的性质及定理,给出一种基于可分离mass函数的信任函数逼近方法。