一、研究内容及创新点：

该项目瞄准不确定数据推理和高维数据重构国际学术前沿，针对不确定数据分类识别、融合推理和多维度联合重构等重点难点问题，开展了基础理论及应用研究。突破了概率框架限制，在幂集空间下构建了广义信任学习模型，提出了一系列信任分类、聚类方法，能够对不精确信息合理表示分析，通过优化使错误风险与模糊度综合代价达到最小，开辟了分类学习一个新的发展方向；突破了高层融合推理非时变性瓶颈，定义了开放辨识框架和状态转移空间，建立了鲁棒动态证据推理决策理论，能够对弱互补、高冲突数据有效融合处理，显著降低不确定环境下的综合决策风险，开拓了证据推理新的研究领域；突破了传统数据重构主观评价局限，构建了高维数据重构质量客观评价指标体系，提出了空间与光谱联合相关性高维数据重构方法，成为当前国际上图像重构质量的重要标准，并显著提升了基于高维数据的目标检测识别性能。

二、知识产权情况：

发表研究论文18篇，他引总计2343次，其中SCI他引1110次，单篇最高SCI他引598次，6篇论文入选ESI高被引论文；出版专著2部。