信息融合是指对不同来源的数据进行多级别、多方面、多层次的处理，从而产生新的有意义的信息。目前，信息融合技术在军事、民用各种领域都得到了广泛的应用。 信息融合过程可以分解为若干个子步骤，每个步骤执行相对独立的任务，具有相对独立的子算法。随着对信息融合技术的深入研究，越来越多的融合算法被提出。这些算法的特点与适用范围各不相同。对于各种各样的数据源，如何在信息融合的每个子步骤上选择合适的算法，以便得到最优的融合结果，具有重要意义，也正是本文的研究目标。 本文的主要研究工作如下： (1)建立了算法管理理论框架。论证了算法管理的意义与可能性，明确了算法管理的定义与目标，给出实现算法管理可行的方法、描述了算法管理的实施结构，讨论了算法管理涉及到的其它问题。 (2)对数据源和跟踪航迹进行多粒度划分。提出一种多粒度模糊聚类算法，从粗粒度到细粒度对数据源以及跟踪航迹进行聚类分析，由此获得数据源和航迹在不同粒度下的商空间，最终得到两者的多粒度类别划分以及类别特征描述。这种类别划分抓住了不同数据之间的本质差别，是算法管理的基础。 (3)对信息融合数据样本进行算法管理规则的挖掘。算法管理规则是能够揭示数据源—算法—航迹三者之间内在关系的规则。本文利用柔性的叶结点标记规则对ID3算法进行改进，并提出实效决策树剪枝规则，应用于信息融合样本，最终得到实用的算法管理规则。 (4)提出一种基于熵增益率的连续属性离散化算法。通过该算法对数据源进行离散化，获得新的数据源类别划分以及特征描述，在此基础上得到的算法管理规则具有更高的可信度。 (5)提出一种新的数据源质量评价指标——易跟踪度。该指标可以直观地判定对数据源进行跟踪，是否容易得到理想的跟踪航迹，为算法管理提供直观依据。给出了易跟踪度的计算方法。 (6)解决了算法管理中的分类问题。采用邻居质量优先隶属度函数，以及双极隶属度判决规则对模糊KNN分类算法进行改进，降低了因分类错误而导致的无适用规则的风险，提高了算法管理的有效性。 (7)设计了算法管理决策系统。描述了算法管理反馈控制模型，结合算法管理过程的实例验证，设计出具有可扩展性和自适应性的算法管理决策系统结构。