在信息融合技术中,受传感器自身局限和外部环境的影响,最初得到的数据往往是不准确的,如何将这些不准确的数据进行有效的融合,推出基本正确的结论,是不确定推理理论要研究的内容,而概率论据系统作为一种简单有效的不确定推理理论,目前已经广泛应用于许多实用领域,因此,对概率论据系统进行系统研究具有重要意义。本文所作的主要工作如下:首先描述概率论据系统的理论基础,阐述了准支持集合、支持集合以及支持度等基本概念,分析了准支持集合的传统计算方法所存在的缺陷,提出一种较优的矩阵边际化算法,并用实例验证其有效性。其次,通过划分算法把概率论据系统和证据组合理论联系起来,使得对支持度的计算可以转化为多个证据的组合。并详细介绍了与证据组合相关的熔合算法与连接树理论。为得到相对最优的变量消去顺序,提出一种启发性算法,此算法可有效弥补已有启发性算法的不足,与其它算法一起使用时,具有较好效果。第三,阐述了基于连接树理论的内外传播局部计算方法,此方法在处理中型问题时尤为适用,在此基础上初步探讨了证据组合并行计算的可行性。最后,叙述了一种专为概率论据系统开发的软件语言-ABEL,并通过两个实例演示使用ABEL的简单性和有效性。