多传感器信息融合技术是智能信息处理领域中的一个研究热点。从多传感器视角观察待识别模式能够完整准确的反映模式特征，消除观察信息的不确定性，因此，基于信息融合的模式识别方法已成为模式识别的发展趋势之一。目前信息融合在模式识别的应用主要在特征层和决策层展开。 本文围绕信息融合技术的理论基础和应用问题，从特征层融合和决策层融合的角度入手，对信息融合应用于模式识别进行了研究。 首先，提出一种特征层融合模式识别的方法，定义“特征融合系数”对多传感器视角观察模式所得的不同特征进行融合，通过对不同特征赋以不同的特征融合系数，将多特征进行融合，得到待识别模式的融合特征，从而实现特征层融合。 其次，在决策层融合的理论框架下，对D-S证据理论应用于模式识别进行了讨论，针对其在实际应用中各证据体的基本概率赋值难于获取的问题，以神经网络分类器的输出为基础获取分类不确定性的基本概率赋值，并以此作为分类、决策的依据。 再次，在决策层融合的理论框架下，针对模糊逻辑方法在实际应用中存在现有推理方法计算过于简单，容易丢失大量有用信息的问题，采用D-S证据理论进行模糊推理，并模拟生物大脑的“注意”功能对重要程度不同的规则以不同的对待。 最后，引入基于指纹方向场和手形特征的多模态生物特征识别实验对上面的决策层融合识别方法进行验证，为信息融合在模式识别方法中的实用化做出一点探索。