报告中，Thierry Denoeux教授首先介绍了D-S证据理论、信念函数模型和不确定性推理的基本知识。随后在分类问题中，基于距离函数将信念函数用于寻找KNN规则的最近邻样本、构建神经网络分类器的模型。在无监督学习，聚类分析中，对硬聚类、模糊聚类、概率聚类和粗糙聚类等扩展，提出了credal划分，用信念函数度量划分中样本的隶属不确定性，提出了多种解决模型。Thierry Denoeux教授生动详实的报告，引起了与会者的强烈兴趣，现场气氛热烈。

最后，Thierry Denoeux教授还就如何写出高质量的学术论文给出了详细全面的建议。

Thierry Denoeux教授现为法国贡比涅技术大学信息处理工程系全职教授。其将信念函数理论应用于模式识别，数据挖掘和信息融合等领域，并发表200多篇相关论文。Denoeux教授还担任期刊“International Journal of Approximate Reasoning”主编，以及“Fuzzy Sets and Systems” 、“International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems (IJUFKS)”等期刊的副主编。