数据驱动决策广泛存在于工程实践与管理中,对于数据融合中的知识推理理论和方法提出了新的挑战。这些决策数据源自多传感器、关系数据库、不同经验水平专家知识等,致使传统的决策方法难以有效处理。因此,本文基于证据融合的决策框架,利用多源数据感知、信息传递与共享、CBR/RBR分类及智能决策等理论,研究了基于证据链推理的鲁棒性分类决策。主要工作及创新性如下:(1)研究了层次关联证据链推理方法。综合评述了群决策的证据推理相关研究,并定义了证据链的知识结构、可信度序和指数型相似度。从属性量、特征量和标识类别三层次,分析了用于分类决策的证据链性质。(2)研究了多源证据链推理模型,揭示了异构实体下数据驱动决策的推理机制。首先在单数据表证据链关联基础上,推导出查询案例推论的融合可信度,改进了相似度频率加权近邻算法sf-NN,分析了类别错误标识对决策结构的影响。之后研究了证据链融合的正交合成规则,拓展了多数据表证据链推理模型mr FUER,利用多源证据链关联算法x D-NN,提供解释能力强的鲁棒性决策。(3)为揭示时态系统在不同时间尺度下决策机制,将证据链从单一尺度推理拓展到多尺度推理,提出了多尺度特征的证据链推理模型ms FUER。使用相似度矩阵和辨识准则,构建了二次优化的分类辨识框架,获取了特征量的鲁棒性权值参数。之后利用多尺度互信息,提出了二级混合整数优化的多尺度特征优选策略,用以解决特征组合增长问题,使得推理信息价值最大化。提出时态相似度的最近邻算法ts-NN,其推理机制优于传统的单一尺度决策的推理机制。(4)为揭示系统在过程感知下的动态决策机制,将证据链从全域一次性推理拓展到序贯推理,发掘了感知模糊性下决策状态转移及可信度更新规律。放松了之前查询的感知数据拥有完全信息的假设,在部分信息下构建了过程感知证据链推理模型md FUER,以单个特征量的特异度和灵敏度估算似然概率,提出基于狄利克雷函数的可信度更新算法df-BU,有效地实现了过程感知的鲁棒性决策。(5)仿真实验研究了基于FUER模型集的医疗决策支持。使用弗雷明汉心脏研究中4240个病历、源自三个医疗机构的920例异构性病例和重症监护室的多参数智能监护(MIMICII)的时态数据,研发了临床决策支持系统原型及其共享的知识库。对于h类和l类高低水平专家,从均衡准确度和证据链长度上评价了决策质量和效率改善效果,结果表明增强了分类决策鲁棒性。