在敌我双方作战过程中,军事决策是决定双方博弈结果的重要因素。军事决策中一个非常重要的过程是态势估计,而在态势估计中目标分群则是重点和难点所在。目标分群的重要意义在于目标分群的结果可以决定态势要素之间的相互关系,也是指挥员确定战略方法的一个关键依据。聚类算法是解决目标分群问题的常用算法,目前存在很多种类的聚类算法,但每种聚类算法都有各自的限制不能完全自由的应用于各个场景。本文详细介绍了目标分群及其相关概念,主要研究了可以应用于解决空中战机目标分群问题的聚类算法,主要内容有以下三点。(1)系统介绍了聚类分析的基本概念和相关算法,其中重点研究了划分聚类算法,引入了经典的K-means算法,并对该算法进行了优化改进,重点研究分析了该算法应用于空中战机目标分群问题的具体实现过程。(2)详细描述了模糊C均值算法的基本概念和相关算法。在此基础上,引入了模糊C均值算法的改进算法,进而研究了在解决空中战机目标分群问题时该算法的具体实现流程。(3)为了满足实时性和稳定性的要求,设计了一种解决空中战机目标分群问题的系统。该系统首先对传统的模糊C均值聚类算法进行改进,得出了最佳的聚类数目,然后用改进的K均值聚类算法进行聚类,这里的聚类准则选用空间三维的坐标和速度分别占一定权重值得策略,最后用航向维进行校正。实验结果表明,该系统较好地解决了这一问题。第一点和第二点工作,通过对现有的聚类算法进行优化使得其较好的解决了空中战机目标分群问题,使用UCI数据集的仿真,证明了优化算法的实验效果较好。第三点工作设计了一种空中战机目标分群系统软件,该软件可以当做一种可以用作初步的目标识别系统软件。