张天赫，彭绍雄，邹强，王栋

(海军航空工程学院，山东 烟台 264001)

0 引言

在战场态势分析中，敌方的战术意图[1]是指挥员决策的重要依据之一，对敌方战术意图判断的准确性和及时性将直接影响我方作战指挥决策的正确性和有效性。传统作战中，主要依靠人为判断的战术意图[2]识别过程已经不能适应现代战场上的信息化作战需要，迫切需要智能化手段来实现战术意图的识别。

在美国国防部JDL实验室2004年发布的最新数据融合层次模型[3-4]中，意图识别作为高层数据融合过程成为战场态势评估和威胁评估中的重要组成部分。21世纪以来，随着数据融合技术的发展，该技术已经成为国内外军事决策领域研究的焦点。

军事中的战术意图识别领域[5]，也就是依据从各种信息源得到的信息，结合敌方兵力的部署、战场环境的分析、敌方战斗编队和战场警戒程度、我方所承担的作战任务，来识别敌方战术意图和作战计划的过程。

现有的各种方法难以对军事目标的战术意图的进行有效的识别和推理。为此，本文研究提出了基于无监督学习神经网络模型[6]，尝试对潜艇对空战术意图识别问题给出另一种解决思路。

1 无监督神经网络

1.1 竞争神经网络的结构

竞争神经网络[7]是一种典型的、应用非常广泛的无监督学习神经网络，其结构如图1所示。竞争神经网络由输入层和竞争层组成。与RBF等神经网络类似，输入层仅实现输入模式的传递，并不参与实际的运算。……