该文对神经网络多传感器数据融俣算法进行了整理、归纳,并进一步深入研究,主要研究内容和取得的成果如下:1、该文在论述BP神经网络数据融合算法优缺点和应用范围的基础上,重点探讨了假设检验数据融合的前向神经网络实现,提出了一种基于非最小平方误差算法的聂尔曼-皮尔逊准则神经网络实现算法,仿真实验表明,采用该算法多传感器数据融合系统在精度和速度上都有了较大的提高.2、针对来自同一景物并带有不同噪声的多幅图像,提出了一种自组织特征央射神经网络图像数据融合算法.3、在分析各类模糊神经网络优缺点的基础上,探讨了模糊神经网络在多传感器数据融合中的应用,并提出了一种模糊神经网络在多传感器数据融合中的应用,并提出了一种模糊神经网络语音数据融合模型.4、结僵粗集理论中粗集的概念,给出了完整意义上的粗神经网网络.详细分析了粗神经元的结构和特性以及粗神经网络的结构组成.在此基础上讨论了适用于粗神经网络的学习算法,并给出粗神经网络的遗传学习算法,最后给出了粗神经网络多传感器数据融合模型.