战场态势评估是军事决策中的一个重要组成部分,而目标分群为态势评估组成部分中的重要内容之一,其结果可以确定作战目标之间的关联关系,为战场指挥员确定战术策略提供了重要依据。本文详细地介绍了态势评估的概念、基本内容和功能模型,并在此基础上分析了目标分群的概念和基本内容。本文详细介绍了国内外关于态势评估和目标分群的研究情况,并针对空中目标分群的特点,对战场态势评估中的目标分群问题进行了深入研究。本文选择用聚类分析的方法来解决空中目标分群问题,并对聚类方法进行了改进。本文的主要工作如下:(1)在分析聚类分析技术的基本概念和相关算法的基础上,深入研究了几种常用的聚类算法,分别是:最近邻算法、K-均值聚类算法和模糊C均值聚类算法,并通过在公共数据集上进行仿真实验,分析了它们的优点与缺点。(2)针对空中目标分群的特点,引入最大最小距离聚类算法,对经典K-均值聚类算法和经典模糊C均值聚类算法进行改进,克服了聚类数目未知和聚类结果十分依赖初始中心的缺陷。详细介绍了基于最大最小距离聚类算法的K-均值聚类算法和模糊C均值聚类算法的改进思想、数学模型和算法实现流程,给出了求解目标分群问题的具体过程,并给出了具体的程序实现。(3)给出了基于最大最小距离聚类算法的K-均值聚类算法和模糊C均值算法在实际应用中,针对直线型、“V字”型和包围型的空中目标分群模型的仿真实验。实验结果表明,本文算法不仅能提高球型目标分群的准确率,对直线型、“V字”型和包围型的空中目标分群模型同样适用。本文的主要创新点如下:对K-均值聚类算法和模糊C均值聚类算法进行优化,并采用基于最大最小距离聚类算法的K-均值聚类算法和模糊C均值聚类算法求解战场态势评估中的空中目标分群问题,取得了较好的实验结果。