数据融合系统采用的数学算法大体上可以分为经典方法和现代方法两类

经典方法包括加权平均法、加权逻辑平均法、最大值法、最小值法等，这些方法主要基于数学统计学原理和概率论原理，较为简单易懂，计算效率高，适用于较为简单的数据融合场景。

现代方法包括神经网络、模糊逻辑、支持向量机等，这些方法利用机器学习和人工智能技术，能够处理更加复杂的数据融合问题，具有更高的准确性和鲁棒性，但计算复杂度较高，需要较大的计算资源支持。此外，现代方法还包括深度学习、集成学习等新兴技术，这些方法在数据融合领域的应用正在不断拓展和深化。