本书围绕证据理论自身问题和应用展开论述，首先介绍证据理论及应用的研究现状；然后介绍证据理论中识别框架、信任函数、似然函数等基础知识，并详细阐述证据理论在确定基本概率赋值、优化证据合成、近似快速工程应用、与其他理论融合应用、异常证据检测分析等方面的方法和技术；最后针对具体工程尤其是信息安全领域的问题，提出合理、可行的解决方案，并给出具体的案例分析。
本书研究内容兼有理论深度和工程实用性，内容叙述专业性较强，逻辑关系较紧密。本书适合高等院校信息安全、管理工程等专业高年级本科生和研究生作为教材使用，也可供从事信息安全与管理的科研技术人员参考阅读。

第1章 绪论
1.1 DS证据理论解释
1.2 DS证据理论的应用领域
1.2.1 目标识别
1.2.2 故障诊断
1.2.3 入侵检测
1.2.4 多属性决策
1.3 DS证据理论的若干问题
1.3.1 证据合成方法
l.3.2 合成近似快速算法
1.3.3 异常证据检测
1.3.4 基本概率赋值
1.4 本书的组织安排
第2章 DS证据理论基本原理
2.1 DS证据理论基础知识
2.1.1 识别框架
2.1.2 基本概率赋值
2.1.3 信任函数
2.1.4 众信度函数
2.1.5 似然函数
2.1.6 几种函数之间的关系
2.2 证据合成规则
2.2.1 两个证据的合成
2.2.2 多个证据的合成
2.2.3 合成的基本性质
2.3 证据折扣
2.4 DS证据理论决策规则
2.4 .l基于信任函数的决策
2.4.2 基于最小风险的决策
2.4.3 基于基本概率赋值的决策
2.5 DS证据理论与其他信息融合方法的比较
2.5.1 DS证据理论和贝叶斯方法
2.5.2 DS证据理论和模糊集理论
2.5.3 DS证据理论和粗糙集理论
2.6 本章小结
第3章 基本概率赋值确定方法
3.1 常见基本概率赋值确定方法及分析
3.1.1 根据目标类型数和环境加权系数确定基本概率赋值
3.1.2 利用统计证据获取基本概率赋值
3.1.3 利用目标速度和加速度获取基本概率赋值
3.1.4 利用目标身份(T1D)获取基本概率赋值
3.1.5 根据模式之间的相似度获取基本概率赋值
3.1.6 根据模糊隶属度获取基本概率赋值
3.2 基于BP神经网络的DS证据理论及其应用
3.2.1 BP神经网络的基本知识
3.2.2 基于BP神经网络的DS证据理论及其信息融合模型
3.2.3 案例分析
3.3 本章小结
……
第4章 证据合成规则改进与优化
第5章 DS证据理论的近似算法
第6章 基于DS证据理论和层次分析法的信息融合方法
第7章 区间型证据合成方法研究
第8章 证据聚类与异常证据检测算法
第9章 DS证据理论在信息安全中的
应用
参考文献