利用SVM在解决小样本、高维数和非线性模式识别问题中良好的分类能力以及DS证据理论具有直接表达不确定、不完全信息的优势，利用D-S 证据理论融合单特征的SVM字符识别信息，构建信息融合的矿用电子地磅车牌识别系统，充分运用了各特征的冗余互补信息，大大提高了识别的准确性和可信度，为提高企业经营运作的高效率和高效益有十分重要的意义。2信息融合理论基础在人类辨识外界事物的过程中，通常根据来自不同感觉器官获得的关于目标的多种特征信息，并利用各种已有不确定的知识来判断目标种类。在工程实践中也存在类似的情况，经常要求根据一些经验知识以及多种特征对事物的种类进行判断。信息 融 合（InformationFusion）就是指采 集并集成 各 种信息源、多种媒体和多种格式信息，从而生成完整、准确、及时和有效的综合信息的过程 。信息融合的方法很多，包括：加权平均法、数理统计法、神经网络法、Kalman滤 波、Bayes推理方法和证据决策推理方法。信息融合方法中，D-S 证据理论在不完全、 不 确 定、不清晰信息的表示、组合、决策方面具有明显的优势，是决策级信息融合的经典理论。D-S证据理论是 基于“证 据”和“组合”来处理不确定性推理问题的决策级融合方 法。 D-S 证据理论定义待识别的目标集 Ω为辨识框架，幂集 2Ω为Ω的所有子集表示的命题集合。若函数 m:2Ω → [0,1]， 满足 m (覬) =0 且 m (A)，则称 是 2Ω 上的 概 率 分 配 函 数 （BPA），m(A) 称为A的基本概率数，它表示对假设 A 的信任 程 度。 对 于 Ω，识别框架Ω上的有限个不同证据的BPA函数 m1,m2,...,mn 的 D-S 证据理论融合规则为
