1.一种基于D-S证据理论的温室控制决策融合方法，其特征在于：包括如下步骤：步骤一、使用箱线图提取温室内传感器量测值中的野值，并对野值进行修正；

步骤二、对修正后的量测值进行聚类融合，得到聚类值集合；

步骤三、利用聚类值集合与决策基准值集合通过D-S证据理论对聚类值进行决策分配。

2.如权利要求1所述的一种基于D-S证据理论的温室控制决策融合方法，其特征在于：所述步骤一中对野值的修正方法为：

步骤S1、计算野值x与决策基准值xm之间的距离Δ＝|xm-x|；

步骤S2、如果Δ≤5，则修正后的量测值

步骤S3、如果5＜Δ≤10，则修正后的量测值 式中步骤S4、如果10＜Δ≤15，则修正后的量测值 式中步骤S5、如果修正后的量测值 仍然为野值，则重复步骤S1～S4再次进行修正。

3.如权利要求1所述的一种基于D-S证据理论的温室控制决策融合方法，其特征在于：所述步骤二中的聚类融合方法为在修正后的量测值的马氏距离矩阵中查找最小距离值，并根据最小距离值进行聚类。

4.如权利要求3所述的一种基于D-S证据理论的温室控制决策融合方法，其特征在于：T

设在某一时刻修正后的量测值为 均值为u＝(u1,u2,···,un) ，则协方差矩阵为

根据协方差矩阵求得马氏距离：

聚类的具体方法为在D中查找最小距离值，并将这个最小距离值对应的两个数据聚合为一类，然后生成新的马氏距离矩阵，并再次聚类，通过若干次聚类，得到聚类值集合。

5.如权利要求1所述的一种基于D-S证据理论的温室控制决策融合方法，其特征在于：所述步骤三中，设聚类值集合X表示为 决策基准值集合ω表示为(ω1,ω2,···,ωn)，D-S证据理论的识别框架Θ表示为(L1，L2，......，Ln)，(L1，L2，......，Ln)分别表示分配给聚类值的决策，(L1，L2，......，Ln)与(ω1,ω2,···,ωn)一一对应，具体的决策分配方法为：步骤T1、对聚类值 计算 与均值ωk的距离 以及 和ωk+1的距离步骤T2、比较d1与d2；

如果d1＞d2，则 接近于ωk+1，对决策Lk+1更信任，对各决策的概率分配函数为式中(1-d1)表示 与ωk的相似度，(1-d2)表示 与ωk+1的相似度， 与分别代表概率分配函数的加权因子，ρ1与ρ2为制约因子，用于防止信任度过大偏离实际；

如果d1＜d2，则 比较接近于ωk，对决策Lk更信任，对各决策的概率分配函数为式中(1-d1)表示 与ωk的相似度，(1-d2)表示 与ωk+1的相似度， 与分别代表概率分配函数的加权因子，ρ1与ρ2为制约因子，用于防止信任度过大偏离实际；

如果d1＝d2，则 与ωk和ωk+1的相似度相同，对各决策的概率分配函数与d1＞d2的情况或者d1＜d2的情况中任一分配函数相同；

步骤T3、计算m(Θ)＝1-m(L1)-m(L2)-……-m(Ln)，m(Θ)是对量测数据的不确定度；

步骤T4、重复步骤T1至T3，将 与ωk+2～ωn逐一进行比较并计算各决策的概率分配函数；

步骤T5、重复步骤T1至T4，逐一对 进行决策分配。

6.如权利要求5所述的一种基于D-S证据理论的温室控制决策融合方法，其特征在于：所述制约因子ρ1＝5，ρ2＝3。