随着移动通信和互联网技术的飞速发展，信息处理出现了新的模式，信息融合技术面临了新的挑战，如何让人们在任何时间任何地点以任何方式能够访问到任何感兴趣的有效的信息服务，目前已成为信息融合研究的热点之一。主动/伺候式的信息服务(Proactive/attentiveService)使用户的工作模式从“人围着系统转”变为“系统围着人转”。针对海量的具有移动性的多媒体电子交易信任测度问题，现有的信息融合技术的研究主要采用了“人围着系统转”的传统工作模式、融合方法和平台，而要实现主动式/伺候式的“系统围着人转”的普适访问工作模式、融合方法和平台，还需要解决如下关键技术：1)如何把固定环境和移动环境中的多媒体电子交易信息有机地结合起来，建立普适的主动式的和谐人机交互信任测度环境；2)如何融合多媒体电子交易信息以提供便捷可靠的信任测度信息服务。鉴于此，本文以移动互联网为背景，以提供主动伺候式服务为目标，研究电子交易信任测度中新型的模糊神经网络模型及方法。 理论上实现信息融合的常用基本方法有：模糊理论方法，统计和推理方法，聚类分析方法，人工智能(AI)方法等等。但由于信息融合是一个具有对多源信息进行联想、相关和组合处理能力的多层次、多方面的实时连续过程，其目的是要获得精确的被测目标的状态、一致性估计及完整的实时评价，又由于移动互联网可以在最大程度上实现物理资源更自由、更大范围的调配和更快速、更便捷的信息流通，可以满足人们数字化生活中方方面面的电子交易任务移动的需求，而常用的基本方法各有所短，并且没有与移动互联技术紧密地结合，因此，不能满足新型的电子交易信任测度应用的需要。 基于对与本课题相关的美国麻省理工学院(MIT)的Oxygen研究计划、卡耐基梅隆大学(CMU)的Aura研究计划、加州大学伯克利分校(Berkeley)Endeavour技术以及目前各种常用信息融合方法的分析比较研究，我们采用多Agent的体系结构，将Agent技术与模糊神经网络融合技术结合起来进行研究，提出一套新的适用于多媒体电子交易信任测度的信息融合模式、框架、算法和平台。我们所设计的处理模式中最基本的抽象是Agent(包括平台自身提供的一些公共服务在内的应用层的各种模块都被抽象为Agent)。对用户来说，这里没有象桌面计算中那样明显的“一个应用程序”的概念，所有的功能都分布在各个Agent中，一个Agent的能力可以被任何其他Agent利用。电子交易信任测度的系统结构中有三个主要的功能Agent：融合策略管理Agent、移动终端软件Agent和移动服务代理软件Agent。其中，融合策略管理Agent负责管理多种模态融合时的策略选择。针对电子交易信息，我们提出的模糊神经网络模型封装在融合策略管理Agent中，它采用多层结构，涉及选择、细化和综合三种信息处理策略。与模型对应的模糊神经网络方法中，感知器的学习目的是为了修改网络中的权系数，信息进入网络融合前，对所输入的模式样本事先用模糊技术进行正确的模糊分类处理，学习过程中，采用改进的梯度法，即神经元的激发函数改用可微分函数，并按负梯度方向修改权系数，为此，增加了针对电子交易信息的曲线拟合、误差的梯度控制以及模糊聚类过程。 为说明和验证模型及方法的有效性，我们对模糊神经融合与神经网络融合的性能进行了比较研究，定性地分析了模糊神经网络融合兼具神经网络融合之所长的特点。研究表明，我们方法中的感知器的传递函数属于模糊技术的隶属函数中的非阶跃函数，它不仅可以用作分类器，当函数线性可分时保证收敛，并且当函数不是线性可分时，通过模糊技术的聚类，也能求出结果，此外，融合学习过程变得相对简单。通过电子交易信任测度和融合决策中的验证范例，基于所设计的模型、方法和沈阳东宇集团电子交易支持平台(DYEFOP)平台，定量地分析得到模糊神经网络方法在融合决策效率、信任准确度方面比传统的神经网络方法有平均约6.78％的提高，而在占用空间上平均约只有2.16％的增加。基于理论分析和应用实践的综合评价可知，所研究的模型及方法在海量的具有移动性的多媒体电子交易信任测度问题上具有可信性，它为解决‘系统围着人转’的多媒体信息普适访问方式提供了一条有效途径。