大数据时代数据所呈现出的多源、异构、自治、多样、复杂、快速演化等特性，给大数据融合决策带来了巨大挑战。信度函数理论（Belief Function Theory）作为一种不确定性推理融合方法，在大数据融合决策过程中起到至关重要的作用。然而，随着大数据决策问题中鉴别框架的规模增大，信度函数理论中融合规则的计算复杂度呈指数级增加。为此，本书拟在信度函数的框架下，从粒计算的角度出发，提出多粒度信息融合理论方法，并将其理论研究成果应用到行为识别等实际问题上。
