本文提出了一种鲁棒的多标签Takagi-Sugeno-Kang模糊系统（R-MLTSK-FS），旨在解决模型透明度、标签相关性和抗干扰性问题，并通过大量实验验证了其优越性。同时，研究了多传感器融合技术的脆弱性，提出了改进建议，并探讨了基于模糊粗糙集理论的新型距离测量方法，强调其在机器学习中的应用潜力。