信息融合是指将单个或多个信息源所获取的数据和信息进行关联、相关和综合,对态势和威胁及其重要程度进行全面、及时评估的信息处理过程。将信息融合的思想与模糊粗糙集理论结合,即利用模糊粗糙集将事物或对象的多源信息进行有效的融合,可以得到更加全面、综合的决策。本文基于信息融合分别构造了模糊粗糙属性约简算法和分类模型。1.基于信息融合的模糊粗糙属性约简,其在利用模糊粗糙集模型进行决策时,通常采用最大隶属度原则。经典模糊粗糙集决策模型在计算模糊下近似时通常取均值,忽略了每个属性在信息融合中重要性的差异。为了解决这个问题,首先分别对每一个属性计算单一属性决策下近似,然后引入了融合决策的概念,并通过最优化理论以及相应的算法求解出单一属性的决策近似的权重,即融合系数。将决策下近似组合得到多属性融合下的模糊粗糙下近似矩阵,最后再根据最大隶属度原则进行多属性融合下的决策。同时,根据计算出的融合系数,构造了基于信息融合的模糊粗糙属性约简算法。2.信息融合下的分类模型,是在信息融合的模糊粗糙决策模型的基础上,将决策类的差异也考虑在内进行信息融合。与上一章的决策过程基本一致,但由于考虑到决策类的不同,相关的概念及性质都有变化。首先重新定义决策类关于单一属性的模糊粗糙决策近似及其权重,即融合系数。将决策下近似组合得到多属性融合下的模糊粗糙下近似矩阵,最后根据最大隶属度原则进行多属性融合下的决策。对于融合系数的求解,本章应用了两种方法,分别是拉格朗日乘数法和二次规划算法。