项目以弹道中段目标识别为研究背景，对基于多特征融合和集成学习的多目标识别中的若干关键问题进行了深入研究。项目取得的研究结果包括：

以反导作战弹道中段目标识别的需求为背景，研究提出了多特征多层次弹道中段目标融合识别结构模型，并给出了多特征多层次融合方案。研究了基于RCS 和HRRP的弹道中段目标特征提取方法，提出了新的特征提取方法，获得了更为精确的目标特征。研究提出了如基于Bagging和混淆矩阵的自适应选择性集成方法等多个方法，提升了分类器集成的性能。结合待分类数据的特点，研究提出了基于SVDD的层次ECOC编码方法 、基于特征空间变换的ECOC编码方法等，提出了基于ROC的三元再编码方法，提高了编码方法的适用性。提出了基于模糊积分的ECOC解码方法、基于证据理论的解码策略，能辅助不同类型的编码矩阵获得较好多类分类效果。研究提出了多个新的证据冲突度量方法、证据可靠性评估方法、冲突证据组合方法。研究构造了广义不确定性测度，可以对精确集、模糊集和直觉模糊集的不确定性进行统一度量，定义了新的直觉模糊相似度度量。结合直觉模糊集和证据理论，定义了新的直觉模糊证据距离度量；提出了区间BPA不确定性度量，实现了区间证据不确定性的合理度量。提出了基于直觉模糊集的区间证据组合方法，实现了区间证据的有效快速融合；提出了基于直觉模糊多属性决策模型的证据可靠性评估方法，可对证据动态可靠性进行评估。提出了基于实时可信度的时域证据组合方法、基于复合可靠度的时域证据组合方法，较好实现了时域证据融合。

项目研究达到了预期目标，取得了多个有创新性的成果，为弹道中段多目标识别中相关问题的解决研究提供了理论基础和技术支持。