本研究成果主要以贝叶斯图模型理论为基准，以非线性动态系统参数估计、自主优化为线索，展开贝叶斯非线性动态系统多源序列信息融合优化研究，并将研究成果应用于多媒体数据检索、人机交互及通信信号处理及生物序列数据处理领域，具体包含如下研究内容：

① 权重图多源序列信号匹配规则。

创造性的提出了平稳系统动态贝叶斯序列及非平稳系统动态序列系统模型，给出了权重图序列匹配的具体数学定理及严格数学证明，解决了基于贝叶斯图模型多源多媒体数据序列匹配的收敛性相关问题。

② 切换卡尔曼滤波器图模型构建。

针对非平稳随机动态系统，提出了非线性动态系统一类序列信息寻优算法、进化优化与动态环境混合优化机制，给出了多信号流图切换卡尔曼滤波模型数据融合的数学推导，证明了多源信号序列数据融合的一般公式；

③ 多时间序列神经网络预测系统构架。

建立了平稳及非平稳时间序列动态系统参数学习模型，构建了基于递归神经网络时滞时变系统多模型信号最优融合算法构建，给出了多源时间序列递归神经网络信号最优预测定理，并给出了严格数学证明；