针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足，为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题，提出了一种自适应模糊[C]均值聚类的数据融合算法，主要是把自适应模糊[C]均值聚类应用到数据融合中。该算法首先在改进的模糊聚类中通过引入自适应系数以发现不同形状和大小的聚类子集，使得融合结果更精确；其次将卡尔曼滤波原理和基于多层感知机的神经网络预测法应用到误差协方差估计中，提高了融合可信度。实验结果表明，与7种经典数据融合算法进行对比，该算法在4个模拟数据集与真实数据集上融合结果较好，特别在判别函数与融合误差方面优势更为明显。